Yazılım Mühendisliğinin Sonu mu, Zanaatın Gaspı mı?

Sevgili Genç Yoldaşlar,

Yazılım mühendisliği bitti mi? Bu, bugün gerçekten merak edilen sorudur. Gece ekranın karşısında oturan kişi, yazdığı kodun yarın da kendisine ait olup olmayacağını düşünür. Mesleğe yeni adım atan kişi, öğrendiği zanaatın kapısında merdivenin durup durmadığına bakar. Merak sahicidir. Sahici olmayan, bu merakın üzerine aceleyle yapıştırılan "bitti" hükmüdür.

Biz bu yazıda o soruya, bir makale üzerinden, başka bir bakış üretiyoruz. Makale sonu ilan eder. Biz ilanın arkasında duran şeye bakıyoruz: biten meslek midir, yoksa zanaatın kendisi mi gasp edilmektedir?

4 Haziran 2026'da arXiv'in yazılım mühendisliği bölümüne on beş sayfalık bir makale düştü: "The End of Software Engineering: How AI Agents Are Fundamentally Restructuring the Software Paradigm" — "Yazılım Mühendisliğinin Sonu: Yapay Zeka Ajanları Yazılım Paradigmasını Kökten Nasıl Yeniden Kuruyor?" Yazarı Zhenfeng Cao, Şenzen merkezli bir yatırım ve geliştirme şirketinden (Lingxi Intelligent Investment). Altı gün sonra, 10 Haziran'da, makalenin ikinci sürümü yayımlandı. Başlık artık "Agentic Software" idi; ilk sürümün son cümlesi olan "Eski yazılım mühendisliği bitiyor; yenisi çoktan başladı" yerini "Eski yazılım mühendisliği bitmiyor; daha büyük bir şeye dönüşüyor" cümlesine bırakmıştı. (arXiv:2606.05608)

Bir makalenin altı gün içinde kendi başlığından geri adım atması, o makalenin içeriğinden daha çok şey anlatır. "Son" ilan etmek kolaydır; ilanın arkasında durmak zordur. Ama bu yazıyı bir makaleyle alay etmek için yazmıyoruz. Makale, yazılım dünyasında bugün dolaşan bir ruh halinin yoğunlaşmış, formüllere dökülmüş bir özeti. O ruh hali şudur: kod artık sistemin kendisi değil, bir dil modelinin akıl yürütürken üretip attığı geçici bir alettir; yazılımcı da kod yazan kişi değil, ajanlara niyet bildiren ve sonucu denetleyen kişidir.

Bu cümlede doğru bir gözlem var. Yanlış olan, gözlemin kime ait olduğu ve neyi gizlediğidir. Gizlenen iki şey özellikle önemli. Birincisi, ajanların "yeteneğinin" nereden geldiği: on yıllar boyunca milyonlarca insanın gönüllü emeğiyle büyütülen açık kaynak müştereği. İkincisi, bu dönüşümün yazılımcıyı hangi sınıf konumuna yerleştirdiği. Makale ikisinden de söz etmiyor; bu yazının genişletilmiş hali tam da bu iki boşluğu doldurmaya çalışıyor.

Makaleyi ciddiye alacak, iddialarını tek tek değerlendirecek, gerçekte olanlarla karşılaştıracak, açık kaynak ekosistemine ne olduğuna bakacak, yazılım dünyasının büyük ustalarını dinleyecek ve sonunda meseleyi asıl yerine, emek sürecine, mülkiyete ve bilginin kime ait olduğu sorusuna taşıyacağız.

Her zamanki gibi önce özet, sonra ayrıntı.

---

Özet: Altı Başlıkta Yirmi Tez

Makale

Bir. Makalenin iddiası şudur: yazılımın karmaşıklığı bileşen sayısıyla üstel büyür, insanın kavrama kapasitesi sabittir; dil modelinin kapasitesi ise hesaplama gücüyle büyür. Dolayısıyla ajanlar "kaçınılmaz olarak" insandan daha iyi ölçeklenir ve kod, sistemin taşıyıcısı olmaktan çıkıp geçici bir araca dönüşür.

İki. Bu iddianın matematiksel giysisi incedir. Karmaşıklık formülünde kendi içinde bir tutarsızlık var; insan kapasitesinin "sabit", model kapasitesinin "üstel" büyüdüğü kanıtlanmıyor, varsayılıyor. Kanıt bölümü iki yıllık bir ölçüt sonucuna, bir satıcı blogundaki kontrol grupsuz bir pilota ve bir GitHub deposunun yıldız sayısına dayanıyor. Makalenin en dürüst sayfası ise kendi tezini çürütüyor: ajanlar tek görevde %80'in üzerinde başarılıyken, sürekli evrilen bir kod tabanında başarı en fazla %38'e düşüyor.

Gerçekte olan

Üç. Kullanım neredeyse evrensel, güven düşüyor. Teslim hızı artıyor; kararsızlık, tekrar eden kod ve yeniden düzenleme eksikliği de artıyor. Algılanan hız ile ölçülen hız birbirini tutmuyor.

Dört. İş gücü piyasasında etki, işten çıkarmadan önce işe almamak biçiminde görülüyor: yapay zekaya en açık mesleklerde 22-25 yaş istihdamı daralırken kıdemliler yerini koruyor. Şirketler ajan kullanımını rekor karlarla aynı çeyrekte "gönüllü ayrılma" paketleriyle birlikte duyuruyor.

Açık kaynak

Beş. Ajanların hammaddesi açık kaynaktır. Harvard'ın hesabına göre açık kaynağı bugün sıfırdan yazmak yaklaşık 4,2 milyar dolar tutardı, ama kullanan şirketlere sağladığı değer 8,8 trilyon dolar; bu değerin %90'ından fazlasını geliştiricilerin yaklaşık %5'i üretiyor. Dünyanın en büyük karşılıksız emek havuzu, şimdi modellerin eğitim verisi.

Altı. Açık kaynak müştereği bugün üç yönden kuşatılıyor: yukarıdan kazıma (yapay zeka tarayıcılarının özgür yazılım altyapılarını boğması), aşağıdan sel (curl'ün ödül programını kapatmasına, GitHub'ın çekme isteklerine sınır koymasına yol açan özensiz yapay zeka katkıları) ve yandan kuruma (Stack Overflow'da soruların çöküşü, Tailwind'in kullanımı rekor kırarken mühendislerinin dörtte üçünü çıkarması).

Yedi. Hukuk da kuşatmanın parçası. ABD Dokuzuncu Daire Mahkemesi Eylül 2026'da Copilot'un kopyalamadığına, "yeni eserler yarattığına" hükmetti; yani lisanslardaki atıf zinciri, makinenin içinden geçince hukuken buharlaşabiliyor. "Açık" kelimesi de gaspa uğruyor: eğitim verisini açıklamadan ağırlık yayımlamak "açık kaynak yapay zeka" diye pazarlanıyor.

Sekiz. Bu bir "müştereklerin trajedisi" değil, müştereklerin çitlenmesidir. Ortak üretilen, özel olarak temellük ediliyor. Kendi formülümüzle: "Ortak ürün, ortak mülk olmadan ortak olmaz."

Rol ve merdiven

Dokuz. Yazılımcının rolü gerçekten değişiyor: analiz, yazım, test ve teslim zincirinden; gereksinimi tanımlama, ajan çıktısını denetleme, mimari tutarlılığı koruma ve sonucun sorumluluğunu üstlenme işine. Bu, daha az düşünsel emek demek değil; iyi bir inceleme alan bilgisi, sistemin geçmişini bilmek ve yan etkileri öngörmek ister.

On. Ama yeni bir çelişki doğuyor: kodun ilk üretimi hızlanırken, kodun neden doğru olduğuna karar verecek deneyimin kazanılması güçleşiyor. Denetimi yapabilmek için gereken bilgi, tam da ortadan kaldırılan pratikte üretiliyordu. Endüstri psikolojisi buna 1983'ten beri "otomasyonun ironisi" diyor. Açık kaynak da yüzyılın en büyük çıraklık okuluydu; o okulun kapısı da daralıyor.

On bir. Büyük yazılım ustaları — Dijkstra'dan Brooks'a, Naur'dan Fowler'a, Booch'tan Torvalds'a — farklı dillerle aynı şeyi söylüyor: araçlar değişir, özsel karmaşıklık kalır; program yalnızca kod değil, onu yapanların kafasındaki bir kuramdır; ve hiçbir araç sorumluluğu ortadan kaldırmaz.

Sınıfsal zemin

On iki. Yazılım emeği, Marx'ın kavramlarıyla, sermayeye biçimsel boyunduruktan gerçek boyunduruğa geçiyor. Yazılımcı uzun süre ücretliydi ama emek sürecinin kendisini, zanaatını elinde tutuyordu. Ajanlar, emek sürecini sermayenin makinesine göre yeniden kuruyor.

On üç. Verimlilik artışı kendiliğinden kısa iş günü getirmez; kapitalizmde göreli artı-değer biçimini alır: aynı ücretle daha çok iş, aynı işle daha az kadro. Microsoft'un rekor kar çeyreğinde dörtte bir kadroya ayrılma paketi önermesi bunun ders kitabı örneği.

On dört. Yazılımcı, sosyologların "çelişkili sınıf konumu" dediği yerden, kendini "yetenek" sanan bir iş aristokrasisi konumundan, proleterleşmenin hızlandığı bir konuma kayıyor. Junior'lar yedek iş gücü ordusuna, kıdemliler kefil insana, görünmez katman Küresel Güney'in veri işçiliğine itiliyor.

On beş. Ajan hizmetinin "sonuca dayalı" gelir modeli, genel zeka üzerinden alınan bir tekelci ranttır. Bu bir tekno-feodalizm değil; tekelci kapitalizmin dijital üretim araçlarıyla donanmış halidir.

Felsefi zemin

On altı. Aristoteles'in tekhne ile phronesis ayrımından bu yana bilinir: zanaat bilgisi yaparak öğrenilir ve kuralların toplamına indirgenemez. Polanyi'nin "söyleyebildiğimizden fazlasını biliriz" cümlesi, Naur'un "program bir kuramdır" tezi ve Benjamin'in "aktarılamayan deneyim" kaygısı aynı yere çıkıyor: deneyim makineye devredildiğinde, kuşaklar arası aktarım kopar.

On yedi. Makalenin "kalıcı olan kod değil, ajanın yeteneğidir" cümlesi bir mülkiyet cümlesidir. Yazılımcıların kolektif kuramı, Marx'ın "genel zeka"sı, modelin ağırlıklarında kristalleşiyor ve o ağırlıklar birkaç tekelin malı.

On sekiz. Genç Marx'ın dört yabancılaşması — üründen, süreçten, türsel özden ve birbirimizden — ajan çağında yazılımcı için yeni bir somutluk kazanıyor. Hegel'in efendi-köle diyalektiği ise "niyet mimarı"nın neden efendi değil, efendi görünümlü bir aracı olduğunu gösteriyor.

Yanıt

On dokuz. Verimlilik tartışmasını üretilen kod miktarına indirgemek, sermayenin ölçüsünü kabul etmektir. Hata oranlarını, bakım yükünü, yeni çalışanların yetişmesini ve ürünün uzun vadeli güvenilirliğini birlikte ölçmeli; ve kazancın kime gittiğini sormalıyız.

Yirmi. Yazılım mühendisliği bitmiyor. Biten, yazılımcının kendini "işçi değil, yetenek" sandığı dönem. Yanıt bireysel "yeniden beceri kazanma" değil, örgütlü talep: mesleğe giriş güvencesi, inceleme emeğinin tanınması, sorumluluğun işverene ait olması, verimlilik kazancının çalışma süresinin kısalmasına dönüşmesi — ve açık kaynak müştereğinin, onu besleyenlerin denetimine geri alınması.

---

Birinci Bölüm: Makale Ne Diyor?

Önce makaleyi kendi sözleriyle, adil biçimde özetleyelim. Eleştirinin ilk koşulu, eleştirilen şeyi doğru aktarmaktır.

Üç merkezi iddia

Makale üç iddia üzerine kurulu:

• İlk ilkelerden zorunluluk. Ajan paradigması bir pazar tercihi değil, karmaşıklık ölçeklenme yasalarının "kaçınılmaz sonucudur". Geleneksel yazılım, her kararın insan tarafından açıkça kodlanmasını gerektirir; dil modeli tabanlı ajanlar ise akıl yürütmeyi kapasitesi eğitim hesaplamasıyla büyüyen modellere devrederek karmaşıklıkla doğrusal olmayan biçimde baş edebilir.
• Optimizasyon değil, paradigma değişimi. "YZ → Yazılım → Sonuç" zincirinden "Ajan → Sonuç" zincirine geçiş, yazılım ürününü zorunlu bir ara halka olmaktan çıkarır; tıpkı SaaS'ın kurulum gerektiren yazılımı ortadan kaldırması gibi.
• Doğmakta olan bir disiplin. "Ajan Mühendisliği" (Agentic Engineering) kendi kavramları, araçları ve ölçütleriyle ayrı bir pratik olarak doğuyor. Uygulayıcıları "daha iyi programcılar" değil, bambaşka bir rol: niyet mimarları, ajan koordinatörleri ve sonuç denetçileri.

Biçimsel model

Makale geleneksel yazılımı bir üçlü olarak tanımlıyor: hesaplama kaynakları, kaynak koda gömülü deterministik karar kuralları ve bu kuralları girdilere uygulayan yürütme ortamı. Kritik özellik şu: karar mantığı yürütmeden önce, insan tarafından yazılmıştır. Her yeni özellik, her hata düzeltmesi, her uyarlama, bir insanın değişikliği anlamasını, kodda doğru yeri bulmasını, gerileme yaratmadan değiştirmesini ve doğrulamasını gerektirir.

Ajan sistemi ise dörtlüdür: akıl yürütme motoru olarak bir dil modeli, çalıştırılabilir araçlar (yorumlayıcılar, API'ler, veritabanları), bir bellek alt sistemi ve kullanıcı niyetini eylem dizilerine bölen bir planlama mekanizması. Burada karar mantığı çalışma anında üretilir; model kodu gerektiğinde yazar, kullanır ve atar. Kod "sistem" değil, "geçici bir yan üründür."

Makale bu ayrımı Andrej Karpathy'nin 2017'deki "Yazılım 2.0" fikrinin bir adım ötesi olarak sunuyor: Karpathy'de sinir ağı programın yerini alıyordu; ajan sistemlerinde ise sinir ağı programları siparişle yazıyor.

Karmaşıklık argümanı

Makalenin "ilk ilkeler" dediği şey, Fred Brooks'un Efsanevi Adam-Ay (1975) kitabındaki özsel ve arızi karmaşıklık ayrımından yola çıkıyor. Arızi karmaşıklık (dilin, aracın, uygulamanın getirdiği yük) on yıllar içinde yüksek düzeyli dillerle, çerçevelerle, otomatik testlerle azaltıldı; ama özsel karmaşıklık (sorunun kendisine ait olan) sınırsız. Makale buradan şu önermeye geçiyor: n bileşenli bir sistemde olası etkileşim yollarının sayısı 2ⁿ mertebesinde büyür, insan bilişsel kapasitesi ise "esasen sabittir". Hiyerarşik ayrıştırma, modüler arayüzler, kapsülleme sabit çarpanı küçültür ama asimptotik davranışı değiştirmez. Dil modelinin "etkin kapasitesi" ise model büyüklüğü ve eğitim hesaplamasıyla — makaleye göre "üstel olarak" — büyüdüğünden, ajan paradigması "çözüm kapasitesini insan bilişsel sınırlarından ayırır."

Üç kuşak yazılım teslimi

Makalenin belki de en açık sınıfsal sayfası, şu tablodur (Türkçeleştirerek aktarıyoruz):

Kuşak	Temel mekanizma	Karmaşıklığın sahibi	Gelir modeli	Örnekler
Yazılım 1.0 (yerel)	Kod ve veri kurumda çalışır	Son kullanıcı (kurulum, bakım)	Lisans satışı	Microsoft, Oracle
Yazılım 2.0 (SaaS)	Kod ve veri bulutta çalışır	Satıcı (altyapı, güncelleme)	Abonelik	Salesforce, AWS
Yazılım 3.0 (AaaS)	Ajan bulutta özerk çalışır	Ajan (anlama, kurma, çalıştırma)	Sonuca dayalı	OpenAI, Anthropic

Makaleye göre her geçişte aynı örüntü işler: karmaşıklığı en iyi soğurabilecek taraf onu soğurur, yönetmeye en az uygun taraf ondan kurtulur. SaaS işletmeleri sunucu odasından kurtardı; "Ajan Hizmet Olarak" (Agent-as-a-Service, AaaS) onları bir sonucun nasıl üretileceğini belirtme zorunluluğundan kurtaracak — yalnızca ne istediklerini söylemeleri yetecek.

Bu tabloya birazdan döneceğiz. Şimdilik "örnekler" sütununun son satırına bakın: iki şirket adı. Ve "gelir modeli" sütununun son satırına: sonuca dayalı.

Kanıtlar, sınırlar ve yol haritası

Kanıt olarak dört veri noktası sunuluyor: açık bir modelin (Lingma SWE-GPT 72B) SWE-bench Verified'da GitHub sorunlarının %30,2'sini çözmesi (GPT-4o %31,8); LangChain blogunda aktarılan bir pilotta çoklu ajan koordinasyonunun kök neden bulma süresini %93 kısaltıp bir ayda 200 mühendislik saatinden fazla tasarruf sağlaması; Nous Research'ün açık kaynaklı Hermes Agent çerçevesinin "179 binden fazla GitHub yıldızıyla" kendini geliştirme ilkesinin "en eksiksiz üretim örneği" olması; ve bir literatür taramasının yüzlerce çalışmayı listelemesi.

Ardından makale dürüst bir sayfa açıyor. Sürekli yazılım evrimini ölçen bir ölçüte (makalede EvoClaw; arXiv'deki güncel adıyla SWE-Milestone) göre, 12 öncü model ve 4 ajan çerçevesinde başarı, tek başına görevlerde %80'in üzerindeyken sürekli evrim koşulunda en fazla %38'e iniyor. Makale bunun dört nedenini sayıyor: kod tabanı bağlam penceresini aşınca sistem bütünlüğünün kaybolması, erken bir hatanın sonraki işlere zincirleme yayılması, teknik borcun hesaba katılmaması ve testleri geçen ama yeni girdilerde patlayan anlamsal hatalar.

Son olarak dört aşamalı bir yol haritası çiziliyor: araçla desteklenen (2023-2025), tek görevde özerk (2025-2027), çoklu ajan ekipleri (2026-2029) ve kendini evriltebilen ekosistemler (2028+). Son aşamanın "temsili sistemleri" sütununda yazan şey: "YGZ asistanları (olası)."

Ve kuruluşlara öneri: "Ajan kaldıracıyla bireysel verimlilik katlandıkça ekip topolojileri evrilmeli. Daha büyük geliştirici ekiplerinin yerini daha küçük 'ajan orkestratörü' ekipleri alabilir; işe alım, terfi ve kariyer gelişiminde buna karşılık gelen değişimlerle."

---

İkinci Bölüm: İddiaları Tek Tek Tartmak

Formülün içindeki çatlak

Makalenin "ilk ilkeler" argümanı bir önermeye dayanıyor: n bileşenli sistemde etkileşim yolları 2ⁿ mertebesinde. Ama önermenin hemen altındaki gerekçe başka bir şey söylüyor: n bileşenden oluşturulabilecek n(n−1)/2 çiftin her biri etkileşebilir ya da etkileşmeyebilir, bu da 2 üzeri n(n−1)/2 olası bağımlılık grafiği verir. Bu, 2ⁿ değil, ondan çok daha hızlı büyüyen bir niceliktir. Yani formül ile gerekçesi birbirini tutmuyor. Bu küçük bir yazım hatası olabilir; ama "ilk ilkelerden zorunluluk" iddiasının taşıyıcı kolonunda duruyor.

Asıl sorun ise matematik değil, karşılaştırmanın kendisi. Makale insan kapasitesini "sabit", model kapasitesini "üstel büyüyen" olarak koyuyor ve sonucu buradan çıkarıyor. Oysa:

• İnsan kapasitesi tek bir insanın kapasitesi değildir. Yazılım hiçbir zaman tek bir kafada yapılmadı. Brooks'un bütün kitabı, karmaşıklığın ekipler ve örgütlenme biçimleri aracılığıyla nasıl yönetildiğini (ve yönetilemediğini) anlatır. Modülerlik, arayüz, sürüm denetimi, kod incelemesi, açık kaynak toplulukları — bunların hepsi insan bilişinin toplumsal olarak genişletilmesidir. Makale kolektif emeği bireysel kafaya indirgeyip sonra o kafanın sınırlı olduğunu "keşfediyor."
• Model kapasitesinin büyümesi bir varsayımdır. Makalenin kendi verisi bunu gösteriyor: tek görevde %80, sürekli evrimde %38. Bağlam penceresi büyüdükçe bütünlük sorunu ortadan kalkmıyor; makalenin deyişiyle "bağlam kayması" sürüyor.
• Karmaşıklık başka yere taşınıyor, yok olmuyor. Makale geleneksel yazılımda karar mantığının "statik" olduğunu, ajanda "çalışma anında üretildiğini" söylüyor. Ama çalışma anında üretilen karar, denetlenmesi gereken karardır. Statik kodun en büyük erdemi, okunabilir, incelenebilir, tekrarlanabilir olmasıydı. Her çalışmada yeniden üretilen bir mantık, hatayı yakalamayı kolaylaştırmaz, zorlaştırır. Makalenin "denetim" dediği şey, karmaşıklığın insan tarafına geri döndüğü yerdir.

Brooks'un özsel karmaşıklık dediği şey, sorunun kendisine aittir: bir bankanın faiz hesabı, bir hastanenin randevu kuralları, bir belediyenin imar mevzuatı. Bu karmaşıklık, onu kodlayan araç değişti diye azalmaz. Değişen, karmaşıklığı kimin taşıdığı ve kimin hesap verdiğidir.

Kanıt bölümünün zayıflığı

Makalenin dört "atılım" kanıtına yakından bakalım:

• SWE-bench sonucu 2024 yılına ait ve iki yıllık bir açık modelin GPT-4o'ya yaklaştığını gösteriyor. İlginç bir veri ama "yazılım mühendisliğinin sonu" iddiasıyla doğrudan ilişkisi yok; üstelik SWE-bench gibi ölçütler tam da makalenin sonradan eleştirdiği "tek başına görev" türündendir.
• %93 ve 200 saat rakamları, LangChain'in blogunda yayımlanan bir konuk yazısından geliyor. Yazının kendisine baktığımızda karşılaştırma tabanının "tarihsel kanıtlardan" tahmin edildiğini, kontrol grubu ya da istatistiksel çözümleme bulunmadığını görüyoruz; yazı LangChain'in kendi ürünlerinin tanıtımıyla bitiyor. Daha da öğretici olan, aynı yazının en büyük kazancın kod üretiminden değil birleştirme sonrası testlerden geldiğini ve "döngüdeki insanın getirdiği PR inceleme sürecinin darboğaz haline geldiğini" söylemesi. Yani makalenin kanıtı, darboğazın insan denetimine kaydığını gösteriyor.
• GitHub yıldızı bir kanıt değil, bir popülerlik göstergesidir.
• Literatür taraması alanın genişliğini gösterir, iddianın doğruluğunu değil.

Bilimsel bir metinde kanıtın kalitesi, iddianın büyüklüğüyle orantılı olmalıdır. "Paradigmanın sonu" gibi büyük bir iddia, satıcı blogu ve yıldız sayısıyla taşınamaz. Bu bir kişisel kusur değil; yazarın konumunun doğal sonucu. Bir yatırım ve geliştirme şirketinden yazılan, "Yazılım 3.0" sütununa iki büyük model şirketini koyan ve "sonuca dayalı gelir modelini" yeni çağın ekonomisi olarak sunan bir metin, bir yatırım tezidir. Tezlerin dili bilimsel olabilir; işlevi değerlemedir.

Karpathy'nin terimini ödünç almak

Küçük ama anlamlı bir ayrıntı: Karpathy'nin "Yazılım 2.0"ı, sinir ağı ağırlıklarının elle yazılmış kodun yerini alması demekti. Makale aynı etiketi bambaşka bir anlamda, SaaS için kullanıyor ve kendi "Yazılım 3.0"ını ona ekliyor. Bu, terimin kavramsal içeriğini değil, prestijini taşımaktır. Sektör söyleminde sıkça gördüğümüz bir işlem: bir kavramın saygınlığı, başka bir anlatının sırtına yüklenir.

Geri çekilen başlık

İkinci sürümdeki başlık değişikliği ve son cümlenin tersine çevrilmesi, makalenin sınırlarını yazarın kendisinin de gördüğünü gösteriyor. "Son" ilanı dikkat çeker, paylaşılır, alıntılanır; "daha büyük bir şeye dönüşüyor" cümlesi ise hiçbir şey söylemez. İlk başlık bir kıyamet çağrısıydı, ikincisi bir broşür cümlesi. İkisinin ortak noktası, yazılımı yapan insanların ne olacağı sorusunu, bir "yeniden beceri kazanma stratejisi" önerisine indirgemesidir.

---

Üçüncü Bölüm: Gerçekte Ne Oluyor?

Makaleyi bir kenara bırakıp sahaya bakalım. 2025 ve 2026 boyunca yazılım üretiminde yapay zekanın etkisini ölçmeye çalışan birçok çalışma yayımlandı. Hiçbiri tek başına son sözü söylemiyor; ama yan yana konduklarında tutarlı bir tablo çiziyorlar.

Kullanım evrensel, güven düşüyor

Stack Overflow'un 2025 Geliştirici Anketi 177 ülkeden 49 binden fazla geliştiriciye ulaştı. Geliştiricilerin %84'ü yapay zeka araçlarını kullanıyor ya da kullanmayı planlıyor (bir önceki yıl %76). Ama araçların doğruluğuna güvenmeyenlerin oranı %31'den %46'ya çıktı; güvenenler %33'te, "yüksek güven" duyanlar yalnızca %3. Geliştiricilerin %66'sı "neredeyse doğru ama tam değil" çıktılarla uğraşmaktan şikayetçi; %45'i yapay zekanın ürettiği kodda hata ayıklamanın, kodu kendisinin yazmasından daha uzun sürdüğünü söylüyor.

Bu son iki rakam, makalenin "denetim" dediği emeğin ne kadar ağır olduğunu gösteriyor. "Neredeyse doğru" kod, yanlış koddan daha tehlikelidir; çünkü yanlış kod hemen patlar, neredeyse doğru kod üretimde, gece yarısı patlar.

Algılanan hız ve ölçülen hız

Bağımsız araştırma kuruluşu METR, 2025'in başında deneyimli açık kaynak geliştiricileriyle rastgele kontrollü bir deney yaptı: geliştiriciler kendi tanıdıkları büyük depolarda, rastgele seçilen görevlerde yapay zeka kullanarak ya da kullanmadan çalıştı. Sonuç şaşırtıcıydı: yapay zeka kullanılan görevler yaklaşık %19 daha uzun sürdü (güven aralığı %2 ile %39 arası yavaşlama). Daha da öğreticisi, geliştiriciler deneyden sonra yapay zekanın kendilerini hızlandırdığına inanıyordu.

Şubat 2026'da METR bir güncelleme yayımladı. 2025'in sonunda toplanan yeni veride, ilk çalışmaya katılan geliştiriciler için tahmini etki yaklaşık %18 hızlanmaya döndü; yeni katılanlar için %4 (iki tahminin de güven aralığı sıfırı içine alıyor). Ama METR bu sonuçların güvenilmez olduğunu açıkça yazıyor: geliştiricilerin %30-50'si, yapay zekasız yapmak istemedikleri görevleri deneye hiç sokmadıklarını söyledi; yapay zekasız çalışmayı kabul etmeyenler deneye katılmadı. Yani araçlar o kadar yerleşti ki, "araçsız" bir karşılaştırma grubu kurmak bile zorlaştı.

Bu çalışmalardan çıkarılacak ders "yapay zeka işe yaramıyor" değil. Ders şu: verimlilik iddiaları ölçümle değil, inançla dolaşıyor. Ve inanç, tam da şirketlerin işe alım ve kadro kararlarını dayandırdığı şey.

Teslim hızı artıyor, kararsızlık da

Google'ın her yıl yayımladığı DORA raporu, 2025'te ilk kez tamamen yapay zeka destekli yazılım geliştirmeye ayrıldı. Yaklaşık 5 bin teknoloji çalışanıyla yapılan araştırmaya göre çalışanların yaklaşık %90'ı yapay zeka kullanıyor, %80'den fazlası verimliliğinin arttığına inanıyor. Yapay zeka kullanımı artık teslim hızıyla olumlu ilişkili — ama teslimdeki kararsızlık da yapay zeka kullanımıyla birlikte artmaya devam ediyor. Rapor yapay zekayı bir "yükselteç" olarak tanımlıyor: iyi işleyen kuruluşların güçlü yanlarını da, sorunlu kuruluşların işlev bozukluklarını da büyütüyor.

Kod kalitesini depo düzeyinde ölçen GitClear'ın 2025 raporu 211 milyon satır kodu inceledi: beş satır ve üzeri tekrar eden kod bloklarının sayısı 2024'te sekiz kat arttı; yeniden düzenlemenin göstergesi sayılan "taşınan satırlar" %39,9 düştü. 2024, kopyala-yapıştır satırlarının taşınan satırları geçtiği ilk yıl oldu.

Bu iki rapor, makalenin "teknik borç farkındalığı" başlığı altında itiraf ettiği sorunun sahadaki karşılığıdır: ajan anlık görevi tamamlamak için optimize eder, bakım maliyetini hesaba katmaz. Borç birikir; borcu kim öder?

Ajan sahada: "Ortamı sil ve yeniden kur"

Şubat 2026'da Financial Times, Amazon'un kendi yapay zeka kodlama aracı Kiro'nun Aralık 2025'te bir AWS hizmetinde 13 saatlik kesintiye yol açtığını yazdı. Habere göre mühendisler aracın değişiklik yapmasına izin vermiş, araç da en iyi yolun "ortamı silip yeniden kurmak" olduğuna karar vermişti. Amazon haberi yalanlamadı ama olayı "kullanıcı hatası", yanlış yapılandırılmış bir yetki olarak nitelendirdi; kesintinin tek bir bölgedeki tek bir hizmetle sınırlı kaldığını söyledi. Ve aldığı önlemi açıkladı: üretim ortamına erişimde zorunlu akran incelemesi. (GeekWire; Engadget)

Bu olayın iki yanı da öğretici. Birincisi: ajan hata yaptığında hata ajanın değil, ona yetki veren insanın sayılıyor. İkincisi: çözüm daha fazla insan denetimi. "Ajan → Sonuç" zincirinin ortasına sessizce bir insan geri konuyor — ama bu kez sorumluluğu taşıyan, hesap veren insan olarak. Döngüdeki İnsan yazımızda bunu şöyle özetlemiştik: "Denetleyen insan, sorumluluğu taşıyan insandır."

Kod yüzdesi yükselirken kadro eriyor

Sektörün en büyük oyuncusundan bir rakam: GitHub'a göre Eylül 2026'da açılan çekme isteklerinin (pull request) %40'tan fazlası bir yapay zeka ajanının taslağıyla başladı; Mart'ta bu oran %17'ydi. Aynı şirketin sahibi Microsoft, 26 Ekim 2026'da yaklaşık 60 bin çalışana, yani kadrosunun dörtte birine "gönüllü ayrılma" paketi önerdi; iki gün sonra Temmuz-Eylül çeyreği için yıllık %32 artışla 36,6 milyar dolar net kar açıkladı. Kodun Yüzde Kırkı, Kadronun Dörtte Biri yazımızda bu tabloyu tek cümleye indirmiştik: "Makine üretir, insan kefil olur."

Ama etkinin asıl biçimi işten çıkarma değil. Stanford Dijital Ekonomi Laboratuvarı'nın bordro verilerine dayanan çalışması, yapay zekaya en açık mesleklerde 22-25 yaş grubunun istihdamının Temmuz 2025'e kadar yaklaşık %13 daraldığını, 26-55 yaş grubunun ise yerini koruduğunu ya da büyüdüğünü gösterdi; Şubat 2026 güncellemesinde bu açık Ekim 2025 itibarıyla %16 civarına çıktı ve araştırmacılar faiz oranlarının bu düşüşü açıklamadığını yazdı. Bilişim Emekçisinin El Kılavuzu'nda Ağustos 2026 verisinde bu açığın %19'a çıktığını aktarmış ve iki veriyi şöyle birleştirmiştik: "Yapay zeka işten çıkarmanın gerekçesi, işe almamanın ise nedeni."

Yale'deki büro ve teknik çalışanlar sendikasının raporunu incelediğimiz Kimse Kovulmadı, Kadrolar Eridi yazısında aynı mekanizmayı başka bir sektörde görmüştük: "Bu düşüş, hiçbir işten çıkarma olmadan, yalnızca boşalan kadroların doldurulmamasıyla gerçekleşti." Türkiye'de ise beyaz yaka işe alımlarında yıllık %32'lik düşüşü ele aldığımız Beyaz Yakalının Sefaleti yazısı, aynı dalganın bu kıyıya da vurduğunu gösteriyordu.

Öğrenme ölçüldüğünde

Tablonun belki de en önemli parçası, makalenin hiç değinmediği bir çalışma. Anthropic'in kendisi, Ocak 2026'da çoğu junior olan 52 yazılımcıyla rastgele kontrollü bir deney yayımladı: katılımcılar daha önce bilmedikleri bir Python kütüphanesini (Trio) öğrenip kullanacaktı; bir grup yapay zeka yardımıyla, öteki elle. Sonra herkes bir bilgi sınavına girdi. Yapay zeka grubu ortalama %50, elle çalışan grup %67 aldı. Zaman kazancı yaklaşık iki dakikaydı ve istatistiksel olarak anlamlı değildi. En büyük fark hata ayıklama becerisindeydi.

Çalışmanın ayrıntısı daha da öğretici: yapay zekayı önce kod ürettirip sonra o kodu anlamaya çalışarak kullananlar sınavda yaklaşık %86 aldı; işi bütünüyle devredenler, giderek daha fazla yaslananlar ya da hata ayıklamayı da makineye bırakanlar %40'ın altında kaldı. Yani mesele araç değil, aracın hangi emek ilişkisi içinde kullanıldığı. Zaman baskısı altında, "hızlı teslim" ölçütüyle çalışan bir junior hangi yolu seçer? Bu sorunun yanıtı bireysel tercih değil, iş organizasyonudur.

Üniversite Kimin İçin? yazımızda öğrencilerdeki benzer bir eğilime "bilişsel teslimiyet" demiş ve eklemiştik: "Bilişsel teslimiyet bir hastalık değil, bir semptomdur." İş yerindeki karşılığı da aynı: öğrenmeye zaman tanımayan bir üretim temposu, öğrenmeyen bir iş gücü üretir.

---

Dördüncü Bölüm: Açık Kaynak — Ajanların Görünmez Fabrikası

Makale on beş sayfa boyunca "açık kaynak" sözcüğünü yalnızca övgüyle ve yalnızca birkaç kez kullanıyor: bir modelin "tamamen açık" olması, bir çerçevenin GitHub yıldızları, teşekkür bölümünde "araştırma ürünlerini erişime açan açık kaynak topluluğuna" teşekkür. Oysa ajan paradigmasının bütün binası, makalenin teşekkür notuna sıkıştırdığı bu topluluğun emeği üzerinde duruyor. Bu bölümde o emeğe, onun bugün nasıl kuşatıldığına ve bunun ne anlama geldiğine bakacağız.

Dünyanın en büyük karşılıksız emek havuzu

Açık kaynak, kodunu herkesin okuyabildiği, değiştirebildiği ve paylaşabildiği yazılımdır. Linux çekirdeğinden web sunucularına, programlama dillerinden veritabanlarına, şifreleme kütüphanelerinden yapay zeka çerçevelerine kadar bugün çalışan yazılımın büyük kısmı bu kodun üzerine kurulu. Ticari yazılımların neredeyse tamamı bir yerinde açık kaynak bileşen içeriyor.

Bu emeğin ekonomik büyüklüğünü ölçmeye çalışan en kapsamlı çalışma, Harvard Business School'dan Manuel Hoffmann, Frank Nagle ve Yanuo Zhou'nun "Açık Kaynak Yazılımın Değeri" araştırması. Bulgular şöyle:

• Yaygın kullanılan açık kaynak yazılımı bugün sıfırdan yeniden yazmanın maliyeti, yani arz tarafı değeri, yaklaşık 4,2 milyar dolar.
• Aynı yazılımın onu kullanan şirketlere sağladığı değer, yani talep tarafı değeri, yaklaşık 8,8 trilyon dolar.
• Açık kaynak olmasaydı şirketler yazılıma şimdikinin yaklaşık 3,5 katı harcamak zorunda kalırdı.
• Yaratılan değerin %90'ından fazlasını geliştiricilerin yaklaşık %5'i üretiyor.

Bu rakamları Marksist bir gözle okuyalım. Dört milyar ile dokuz trilyon arasındaki fark, emeğin üretim maliyeti ile toplumsal kullanım değeri arasındaki farktır. Bu farkın büyük kısmı, ücretini bu kodu kullanan şirketlerden almayan, çoğu zaman hiç ücret almayan insanların emeğiyle yaratıldı ve bu kodu kullanan şirketlerin kar hanesine yazıldı. İtalyan medya kuramcısı Tiziana Terranova 2000'de buna "özgür emek" (free labor) demişti: dijital ekonominin, gönüllü, keyifle verilen ama karşılığı ödenmeyen emeğe yapısal olarak bağımlı olduğunu yazmıştı.

Ve şimdi bu havuz, bir kez daha temellük ediliyor: bu kez yapay zeka modellerinin eğitim verisi olarak. Bir kodlama ajanının "yeteneği" dediğimiz şey, büyük ölçüde GitHub'daki milyonlarca depodan, açık kaynak projelerin hata kayıtlarından, kod inceleme yorumlarından, belgelendirmelerinden ve Stack Overflow gibi soru-yanıt sitelerinden süzülmüş bilgidir. Karaburun'da bir arkadaşımızın dediği gibi, yazılımcı bütün bu yıllar boyunca, farkında olmadan, yapay zeka için kendi kodunun etiketleyicisi olmuştu.

Birinci kuşatma: Yukarıdan kazıma

Modeller eğitilmek için veri ister ve veri, açık olan her yerden toplanır. 2025'in başında özgür yazılım altyapılarından ardı ardına aynı şikayet yükseldi: yapay zeka şirketlerinin tarayıcıları (crawler) sitelere saldırı ölçeğinde yük bindiriyordu. OSnews'in Mart 2025 derlemesine göre en ağır vurulanlar SourceHut ile GNOME ve KDE projelerinin GitLab sunucularıydı; Fedora'nın altyapısı zaman zaman haftalarca aksadı; Inkscape, LWN ve Diaspora benzer sorunlar yaşadı. GNOME'un sistem yöneticisinin aktardığı bir ölçümde, yaklaşık iki buçuk saatte gelen 81 bin isteğin yalnızca %3'ü, gerçek tarayıcıları botlardan ayırmak için kurulan Anubis adlı iş-kanıtı (proof of work) engelini geçebildi; yani trafiğin yaklaşık %97'si botlardan geliyordu. Botlar, engellenmemek için on binlerce farklı IP adresi ve rastgele tarayıcı kimlikleri kullanıyordu.

Bu tablonun sınıfsal anlamı açık: gönüllülerin bağışlarla ayakta tuttuğu sunucular, dünyanın en zengin şirketlerinin veri ihtiyacını, kendi bant genişliği ve emek maliyetleriyle sübvanse etmeye zorlanıyor. OpenAI ve Hugging Face Olayını Nasıl Okumalıyız? yazımızda başka bir olay için kurduğumuz cümle burada da geçerli: "Kar özel mülkiyet sahibine kalmış, güvenlik riski ve hasar ise dijital kamuya dışsallaştırılmıştır."

İkinci kuşatma: Aşağıdan sel

Kazımanın öbür yüzü, makinenin ürettiği çıktının müştereğe geri dökülmesidir. 2025 ve 2026 boyunca açık kaynak bakımcıları, görünüşte makul ama içi boş, yapay zekayla üretilmiş katkılarla boğulduklarını anlattı.

En simgesel örnek curl. Dünyada milyarlarca cihazda çalışan bu veri aktarım aracının kurucusu ve bakımcısı Daniel Stenberg, Ocak 2026'da projenin hata ödül programını ay sonunda kapattığını duyurdu. Amacı, kendi sözleriyle, "insanların bize çöp ve iyi araştırılmamış raporlar göndermesinin teşvikini, yapay zekayla üretilmiş olsun ya da olmasın, ortadan kaldırmaktı." Stenberg, "mevcut başvuru selinin curl güvenlik ekibine ağır bir yük bindirdiğini" yazdı. Güvenlik açığı avcılarını ödüllendirmek için kurulan bir mekanizma, makine üretimi sahte raporların ödül avına dönüşmüştü; her sahte raporu incelemek ise gönüllü bir ekibin saatlerini yiyordu.

Şubat 2026'da GitHub'ın kendisi, bakımcıların "düşük kaliteli katkıların artan hacmi" karşısında çekme isteklerini tamamen kapatma ya da yalnızca katkıcılara sınırlama seçeneklerini tartışmaya açtı. Tartışmadaki tanıklıklar öğretici: bir bakımcı, yapay zekayla oluşturulan her on çekme isteğinden yalnızca birinin meşru ve standartlara uygun olduğunu tahmin etti; bir Microsoft mühendisi, "inceleme yükünün yapay zeka öncesinden daha yüksek olduğunu, daha düşük değil" söyledi ve incelemecilerin artık katkıcının gönderdiği kodu anladığını varsayamadığını ekledi; bir başkası, bir belgelendirme katkısına ciddi zaman harcadıktan sonra bunun "makul görünen saçmalık" olduğunu fark ettiğini anlattı. GitHub, 17 Haziran 2026'da ilk adımı attı: yazma yetkisi olmayan kullanıcıların bir depoda aynı anda açabileceği çekme isteği sayısına sınır getirme seçeneği.

Bu, yazılımcının rolünü tartışırken ayrıntılandıracağımız "inceleme emeği" sorununun açık kaynaktaki biçimidir; ama bir farkla: şirkette incelemeci en azından ücret alır. Açık kaynakta inceleme yükü, çoğu zaman karşılıksız çalışan bakımcıya biner. Ajan üretimini ucuzlatır; denetimi pahalılaştırır; ve denetimin bedelini en zayıf halka öder.

Üçüncü kuşatma: Yandan kuruma

Üçüncü kuşatma sessizdir ve belki en derin olanıdır: açık kaynağı ayakta tutan ekonomik ve toplumsal döngülerin kuruması.

Stack Overflow. Yazılımcıların on beş yıl boyunca birbirine soru sorup yanıt verdiği bu site, dil modellerinin en zengin eğitim kaynaklarından biriydi. ChatGPT'nin çıkışından bu yana sorulan soru sayısı çöktü: aylık soru sayısı 2014'teki 200 binin üzerindeki zirvesinden, 2025'in sonunda 50 binin altına indi. Model, yanıtı sitedeki emekten öğrendi; şimdi yanıtı model verdiği için kimse siteye yazmıyor. Böylece model, kendisini besleyen kaynağı kurutuyor. Yarının modelleri, yarının sorularının yanıtlarını nereden öğrenecek?

Tailwind. Dünyanın en yaygın kullanılan CSS çerçevelerinden Tailwind, açık kaynaklı bir projenin sürdürülebilirlik modelinin nasıl çöktüğünü gösteren keskin bir örnek oldu. Ocak 2026'da kurucusu Adam Wathan, mühendislik ekibinin %75'ini işten çıkarmak zorunda kaldıklarını açıkladı ve bunu yapay zekanın "işimiz üzerindeki acımasız etkisine" bağladı. Model şöyle işliyordu: çerçeve ücretsiz ve açıktı; geliştiriciler belgelere gelir, orada ücretli bileşen paketlerini görür, bir kısmı satın alırdı. Yapay zeka araçları soruları belgelere uğramadan yanıtlamaya başlayınca belge trafiği iki yılda yaklaşık %40, gelir yaklaşık %80 düştü. Ve en çarpıcı ayrıntı: Wathan'a göre Tailwind'in kullanımı "hiç olmadığı kadar hızlı büyüyordu."

Bu cümleyi bir kez daha okuyun. Kullanım rekor kırıyor; kullanımı sağlayan emekçiler işsiz kalıyor. Kullanım değeri ile değişim değeri arasındaki ayrışmanın bundan daha temiz bir örneği bulunamaz. Ürünün topluma yararı artarken, onu üretenlerin geçimi çöküyor; çünkü aradaki değer, ajanı satan şirketin hanesine akıyor. Hikayenin sonu da öğretici: kamuoyunun tepkisi üzerine iki büyük teknoloji şirketi projeye sponsor olacağını açıkladı. Yani müştereğin sürdürülebilirliği, onu kurutan sermayenin hayırseverliğine bırakıldı.

Bakımcı yorgunluğu ve xz. Açık kaynağın kronik sorunu, kritik altyapının bir iki kişinin karşılıksız emeğine dayanmasıdır. Bunun ne kadar tehlikeli olduğu Mart 2024'ün sonunda, Linux sistemlerinde yaygın kullanılan sıkıştırma aracı xz'de bir arka kapı keşfedildiğinde görüldü. Projenin uzun süredir tek başına, karşılıksız çalışan bakımcısı tükenmişti; "Jia Tan" adlı bir hesap yıllar içinde güven kazanıp bakımcılığı devraldı ve dünyanın sunucularının önemli bir kısmına erişim sağlayabilecek bir kodu sisteme yerleştirdi. Saldırı son anda, bir mühendisin yarım saniyelik bir gecikmeyi merak etmesiyle yakalandı. Bir güvenlik yetkilisinin ifadesiyle, "kodun açık kaynak olduğu için ona güvenme modeli hiçbir zaman iyi bir model değildi." (CyberScoop)

Yapay zeka çağı bu kırılganlığı azaltmıyor, artırıyor: daha fazla kod, daha fazla katkı, daha fazla bağımlılık, ama aynı sayıda yorgun bakımcı. Üstelik ajanlar artık katkıcı ve bakımcı rollerini de taklit edebiliyor.

Dördüncü kuşatma: Hukuk ve "açık" kelimesinin gaspı

Açık kaynak lisansları, özellikle GNU Genel Kamu Lisansı (GPL) gibi "copyleft" lisanslar, Richard Stallman'ın 1980'lerdeki dahiyane hamlesinin ürünüdür: telif hukukunu tersine çevirerek, kodun özgürlüğünü kodun kendisine bağlamak. GPL'li kodu kullanan, ondan türettiği kodu da aynı özgürlükle paylaşmak zorundadır; daha gevşek lisanslar bile en azından atıf ister: bu kodu kimin yazdığını belirtmek.

Ajan paradigması bu düzeneği sessizce delip geçiyor. Bir model GPL'li kodla eğitilip benzer kod ürettiğinde, ortaya çıkan kod kimin? Lisans ona geçiyor mu? Atıf nerede? GitHub Copilot'a karşı açılan toplu davada (Doe v. GitHub), ABD Dokuzuncu Daire Mahkemesi 16 Eylül 2026'da önemli bir karar verdi: telif yönetim bilgisinin (lisans ve atıf bilgisi) kaldırılmasına ilişkin iddiayı reddeden ilk derece kararını onayladı ve Copilot'u, mevcut eserlerin kopyalarını yapan değil, mevcut eserlerden öğrenip yeni eserler yaratan bir sistem olarak tanımladı. Eğitim aşamasında atıf bilgisinin kodlardan ayıklanıp ayıklanmadığı sorusu ise usul gerekçesiyle hiç tartışılmadı.

Yani hukuk şimdilik şunu söylüyor: kodu yazanın adı, makinenin içinden geçince düşebilir. Yazılımcıların kolektif emeği bir "öğrenme" sürecine girdiğinde, çıktısı yeni bir mal olarak doğuyor; ve o malın sahibi, makinenin sahibi. Marx'ın ilkel birikim üzerine yazdıkları bu noktada yeniden canlanıyor: İngiliz köylüleri ortak toprakları, bir gece çekilen çitlerle değil, yıllar süren yasal düzenlemelerle, "çitleme yasalarıyla" kaybetmişlerdi. Hukuk, temellükün yazılı biçimidir.

Bazı özgür yazılım toplulukları buna kendi kurallarıyla karşılık verdi. NetBSD, Mayıs 2024'te dil modelleriyle üretilen kodu "kirlenmiş olduğu varsayılan" kod saydı ve kökeni ile lisansı izlenemeyen kodun depoya girmesini yasakladı; Gentoo bir ay önce benzer bir karar almıştı; QEMU da 2025'te benzer bir politika benimsedi. Bu kararların teknik gerekçesi lisans belirsizliği; ama arkasındaki sezgi daha derin: bir topluluğun ortak malı, ancak kökenini bilebildiği ve denetleyebildiği emekle korunabilir.

"Açık" kelimesinin kendisi de çekişme alanı. Açık Kaynak Girişimi (OSI), Ekim 2024'te "Açık Kaynak Yapay Zeka Tanımı" 1.0'ı yayımladı; tanım, eğitim verisinin kendisinin değil, yalnızca onun "yeterince ayrıntılı" tarifinin paylaşılmasını şart koşuyor. Eleştirmenler bunun açık kaynağın özgürlüklerini boşalttığını savundu; çünkü verisini açıklamadan yalnızca ağırlıklarını yayımlayan bir model, kaynak kodunu gizleyip derlenmiş programı dağıtan bir yazılıma benziyor. Şirketler bu bulanıklığı "açık" pazarlaması için kullanıyor. Uluslararası Açık Erişim Haftası yazımızda tartıştığımız soru burada da geçerli: neyin açık olduğu, kimin için açık olduğu ve açıklığın kimin işine yaradığı.

Trajedi değil, çitleme

1968'de biyolog Garrett Hardin, ünlü "Müştereklerin Trajedisi" makalesinde, herkesin ortak kullandığı bir kaynağın bireysel çıkar yüzünden kaçınılmaz olarak tükeneceğini savundu. Bu tez, on yıllar boyunca özelleştirmenin ideolojik gerekçesi oldu: madem ortak mal tükenir, o halde özel mülke çevrilmeli.

Elinor Ostrom, ömrünü bu tezin yanlışlığını göstermeye adadı ve bunun için 2009'da ekonomi Nobel'i aldı: dünyanın dört bir yanındaki topluluklar, ortak kaynaklarını kendi kurdukları kurallarla, kuşaklar boyunca sürdürülebilir biçimde yönetebiliyordu. Hukuk kuramcısı Yochai Benkler ise açık kaynağı ve Vikipedi'yi "müşterek temelli akran üretimi" olarak çözümledi: piyasa ve hiyerarşiden farklı, üçüncü bir üretim biçimi.

Açık kaynağın bugünkü krizi bir trajedi değil. Müşterek kendi içinden tükenmiyor; dışarıdan, sermaye tarafından çitleniyor. Bakımcılar tembellikten değil, kazıma, sel ve kuruma yüzünden yoruluyor. Hardin'in senaryosunda suçlu ortak kullanıcıydı; gerçekte ise müştereği tüketen, onu ortak kullanan topluluk değil, onu tek başına temellük eden tekel.

Ortak Ürün, Ortak Mülk Olmadan Ortak Olmaz yazımızda bunu şöyle formüle etmiştik: "Kod açık olabilir; ama sunucu, model ve değer kapalı kaldıkça müştereklerimiz her an yeniden çitlenmeye açık." Açık kaynak hareketinin büyük zaferi, kodu özgürleştirmekti. Bugünkü sınavı ise kodun üzerinde yükselen modelin, sunucunun ve değerin özgürleşmesidir. Bu sınav, yalnızca lisansla değil, mülkiyet ilişkisiyle kazanılabilir.

Açık kaynak, çıraklık okulu

Bir şey daha. Açık kaynak yalnızca bir kod havuzu değil, yarım yüzyılın en büyük çıraklık okuluydu. Kaç yazılımcı mesleğini bir açık kaynak projesine küçük bir hata düzeltmesi göndererek, bir bakımcının kod incelemesinde "bunu şöyle yapsak?" sorusuyla karşılaşarak, bir belgelendirme eksiğini tamamlayarak öğrendi? Projelerin "yeni başlayanlar için uygun" diye etiketlediği küçük işler, şirketlerin artık açmadığı junior kadrolarının topluluktaki karşılığıydı.

Ajan seli bu okulun kapısını da daraltıyor. Bakımcılar çekme isteklerini sınırladıkça, yeni katkıcıya güven duymak zorlaştıkça, "yeni başlayan" katkıcı ile "ajan" katkıcı birbirinden ayırt edilemez hale geldikçe, mesleğe girişin son açık kapılarından biri de kapanıyor. Altıncı Bölüm'de anlatacağımız "çekilen merdiven", yalnızca şirketlerde değil, müşterekte de çekiliyor.

---

Beşinci Bölüm: Büyük Yazılım Ustaları Ne Diyor?

Yazılım tarihinin büyük isimleri, bugünkü tartışmanın neredeyse bütün öğelerini on yıllar önce görmüştü. Bugünün ustaları da "son" ilanlarına karşı şaşırtıcı ölçüde ortak bir tutum alıyor. Kısa bir tur atalım.

Edsger Dijkstra: Doğal dil programlamanın "budalalığı"

1978'de Dijkstra, makinelere doğal dille talimat vermenin programlamayı kolaylaştıracağı fikrine karşı kısa ve sert bir not yazdı: "Doğal dil programlamanın budalalığı üzerine" (EWD667). Dijkstra'nın argümanı şuydu: biçimsel diller bir yük değil, bir kazanımdır. Matematiğin sembolik gösterimi, doğal dilin belirsizliğinden kurtulmak için yüzyıllar içinde geliştirildi; biçimsel bir metin, geçerli sayılmak için yalnızca birkaç basit kurala uymak zorundadır ve bu yüzden denetlenebilir. Makineye doğal dille konuşmak, yükü makineden almaz; belirsizliği sisteme geri sokar ve hata ayıklamayı imkansızlaştırır.

Bugünün "niyet mühendisliği" tam da bu yüke dönüş. Makale, en değerli becerinin "görevleri ajanların doğru yürütebileceği kadar açıklık, bağlam ve kısıtla ifade etmek" olduğunu söylüyor. Dijkstra'nın yanıtı kırk sekiz yıl önce verildi: o açıklığı sağlamanın adı programlamadır.

Fred Brooks: Gümüş kurşun yok

Makale Brooks'u kendi tezine dayanak yapıyor ama Brooks'un en ünlü denemesini anmıyor: "No Silver Bullet" (1986). Brooks orada, tek başına on yıl içinde verimlilikte, güvenilirlikte ya da sadelikte on kat iyileşme sağlayacak hiçbir teknolojik ya da yönetsel gelişme olmadığını savundu. Gerekçesi, özsel karmaşıklığın araçla ortadan kaldırılamayacağıydı: zor olan, kodu yazmak değil, neyin yazılacağına karar vermekti — gereksinimin belirlenmesi, tasarımın kurulması, kavramsal yapının sınanması.

Brooks'un 1975 kitabının adını veren yasa da bugün yeniden önem kazanıyor: gecikmiş bir yazılım projesine insan eklemek onu daha da geciktirir, çünkü iletişim yükü üretimden hızlı büyür. Bir ekibe on ajan eklemek, on ajanın çıktısını birbirine ve sisteme uyumlu kılma yükünü de ekler. LangChain yazısında aktarılan pilotun "darboğaz PR incelemesine kaydı" gözlemi, Brooks yasasının ajan çağındaki biçimidir.

Peter Naur: Programlama, kuram kurmaktır

Algol 60'ın ortak yaratıcısı ve 1968 NATO konferans raporunun editörlerinden Peter Naur — yani makalenin ilk kaynağını hazırlayan kişi — 1985'te yazılım mühendisliğinin en derin denemelerinden birini yazdı: "Programming as Theory Building" (Kuram Kurmak Olarak Programlama). Naur'a göre program, kaynak koddan ibaret değildir. Programın asıl varlığı, onu yapanların kafasında taşıdıkları bir kuramdır: kodun hangi gerçek dünya durumuna karşılık geldiği, neden bu biçimde yazıldığı, bir değişiklik geldiğinde nasıl uyarlanacağı. Bu kuram belgelere tam olarak dökülemez. Naur'un çarpıcı sonucu şudur: programın kuramını taşıyan ekip dağıldığında program, kodu hala çalışsa bile ölür; onu yeniden canlandırmak, kuramı yeniden kurmayı gerektirir.

Makalenin "kod geçicidir, kalıcı olan ajanın yeteneğidir" cümlesini Naur'un gözüyle okuyalım. Kalıcı olan hiçbir zaman kod değildi zaten; kalıcı olan kuramdı ve kuram insanlardaydı. Ajan paradigmasında soru şu: o kuram nerede duracak? Ajanın her çalışmada yeniden üretip attığı bir bağlam penceresinde mi, yoksa kuramı taşıyacak insanların yetişmesine izin verilecek mi? SWE-Milestone'un %38'i, kuramsız yazılımın sürekli evrimde neye dönüştüğünün ölçüsüdür.

Lisanne Bainbridge: Otomasyonun ironisi

Yazılımcı değil ama bu tartışmanın kilit ismi bir endüstri psikoloğu: Lisanne Bainbridge. 1983'te yayımladığı "Ironies of Automation" makalesi, enerji santrallerinden uçak kokpitlerine otomasyonun ortak bir paradoksunu tarif ediyordu: tasarımcılar insanı hata kaynağı olarak görüp sistemden çıkarmaya çalışır, ama otomatikleştiremedikleri işi — izlemeyi ve olağandışı durumda müdahaleyi — yine insana bırakırlar. İroni şudur: müdahale etmek için gereken beceri, ancak işi fiilen yaparak kazanılır ve korunur. Yalnızca izleyen operatörün becerisi körelir; tam da otomasyon çöktüğünde, en çok gerektiği anda yetersiz kalır. Bainbridge'in formülüyle: kontrol sistemi ne kadar gelişkinse, insan operatörün katkısı o kadar kritik hale gelebilir.

Anthropic'in Trio deneyindeki "hata ayıklama becerisinin en çok düşmesi", Amazon'un kesintiden sonra insan incelemesini zorunlu kılması, makalenin "insan niyeti, kritik yargıyı ve etik denetimi elinde tutmalı" önerisi — hepsi Bainbridge'in kırk üç yıl önce yazdığı ironinin yazılımdaki karşılığı.

Manny Lehman: Yazılım durmaz

1970'lerden itibaren IBM'in büyük sistemlerini inceleyen Manny Lehman, yazılım evriminin yasalarını formüle etti. İlk ikisi bugün de geçerli: gerçek dünyada kullanılan bir yazılım sürekli değişmek zorundadır, yoksa giderek işe yaramaz hale gelir; ve değiştikçe, karmaşıklığını azaltmak için ayrıca emek harcanmazsa karmaşıklığı artar. Ajanların tek görevde parlayıp sürekli evrimde çökmesi, Lehman yasalarının bugünkü sınavıdır. Yazılımın asıl hayatı ilk yazımdan sonra başlar — ve o hayatı sürdüren emek, bakım emeğidir.

Martin Fowler: Yukarı değil, yana doğru

Bugünün en etkili yazılım düşünürlerinden Martin Fowler, Haziran 2025'te dil modellerinin yazılım geliştirmeyi, assembler'dan yüksek düzeyli dillere geçiş ölçüsünde değiştireceğini yazdı. Ama asıl önemli olan sonraki cümlesiydi: "Yalnızca soyutlama düzeylerinde yukarı çıkmıyoruz, aynı zamanda yana doğru, belirlenimsizliğe (non-determinism) doğru kayıyoruz." Derleyici aynı kodu her seferinde aynı makine koduna çevirir; dil modeli aynı isteme her seferinde farklı yanıt verebilir. Bu, soyutlamanın doğasının değişmesi demek; ve belirlenimsiz bir aracın çıktısı, belirlenimli bir aracınkinden daha fazla doğrulama gerektirir.

Fowler'ın son yazılarından biri olan "LLM Voice" üzerine yazdığımız Makinenin Sesi Kimin Sesi? yazısında aynı sorunun dildeki biçimini tartışmıştık: üretimin kolaylaşması, anlamın ve sorumluluğun kolaylaşması değildir.

Grady Booch: Üçüncü altın çağ

UML'nin ortak yaratıcısı Grady Booch, Şubat 2026'da The Pragmatic Engineer podcast'inde, "yazılım mühendisliği bitiyor" söylemine açıkça karşı çıktı. Booch'a göre bilişim tarihinde iki altın çağ yaşandı — algoritmalar çağı (1940'lar-1970'ler) ve nesneler ve soyutlama çağı (1970'ler-2000'ler) — ve şimdi üçüncüsüne, sistemler çağına giriyoruz: tekil programlar değil, servislerden, bulut platformlarından, veri altyapılarından ve yapay zeka modellerinden oluşan büyük sistemlerin tasarımı. Booch'un net cümlesi: "Yapay zeka geliştiricilerin yerine geçen bir şey değildir." Rutin işler otomatikleşir ama özsel tasarım kararları ve sorumluluk insanda kalmalıdır. (The Pragmatic Engineer; Gigazine özeti)

Linus Torvalds: Bakım açısından korkunç bir fikir olabilir

Linux'un yaratıcısı Linus Torvalds, Kasım 2025'te Seul'deki Açık Kaynak Zirvesi'nde "vibe coding" (sezgiyle, kodu okumadan modele yazdırmak) hakkında ılımlı ama keskin bir şey söyledi: insanların bilgisayara başka türlü yaptıramayacakları şeyleri yaptırmaları için iyi bir giriş kapısı olabilir, ama "bakım açısından korkunç, korkunç bir fikir olabilir." Yapay zekayı, derleyicilerin insanları elle assembly yazmaktan kurtarması gibi "yalnızca başka bir araç" olarak gördüğünü ve zamanla abartının sönüp sıradan bir gerçekliğe dönüşeceğini düşündüğünü ekledi. (The Register)

Dünyanın en büyük ortak yazılım projesini otuz beş yıldır sürdüren birinin ilk düşündüğü şeyin bakım olması rastlantı değil. Bakım, yazılımın toplumsal hafızasıdır.

Andrej Karpathy ve Simon Willison: Sezgiden mühendisliğe

"Vibe coding" terimini Şubat 2025'te ortaya atan Karpathy, tam bir yıl sonra terimi kendisi emekliye ayırdı ve yerine "ajan mühendisliği"ni önerdi: "ajan", çünkü yeni varsayılan, "zamanın %99'unda kodu doğrudan yazmadığınız, onu yazan ajanları yönettiğiniz ve denetim yaptığınız" bir çalışma biçimi; "mühendislik", çünkü bunun "bir sanatı, bilimi ve uzmanlığı" var. Makalenin "Agentic Engineering" kavramı da bu çevrede doğdu.

Açık kaynak dünyasının en dikkatli gözlemcilerinden Simon Willison ise Ekim 2025'te "vibe engineering" kavramını önerdi: deneyimli profesyonellerin dil modelleriyle işlerini hızlandırırken "ürettikleri yazılımın hesabını gururla ve güvenle vermeye devam etmeleri." Willison'ın vurgusu açık: araç kıdemlinin elinde bir kaldıraçtır, çünkü kıdemli neyin yanlış olduğunu görebilir.

Bu iki tanımın ortak noktası, makalenin bilerek ya da bilmeyerek görmezden geldiği şeydir: "denetim" ve "hesap verme" uzmanlık gerektirir; uzmanlık ise bir yerden gelir.

Kent Beck: "Ekonomik olarak" değersiz

Test güdümlü geliştirmenin ve Extreme Programming'in babası Kent Beck, 2023'te bir yapay zeka aracını denedikten sonra şunu yazdı: "Becerilerimin %90'ı (ekonomik olarak) değersiz hale gelmişti." Kalan %10'un kaldıracı ise bin kat artmıştı. Beck hangi becerilerin hangi gruba düştüğünü bilmediğini de dürüstçe ekledi.

Beck'in cümlesindeki parantez, bütün tartışmanın anahtarıdır: (ekonomik olarak). Beck'in becerileri gerçekte değersizleşmedi; aynı beceriler, ajanın ürettiği kodu denetlemek için hala gerekli. Değişen, o becerilerin piyasadaki fiyatı. Bir becerinin "değeri" ile "fiyatı" arasındaki bu yarık, Marx'ın bize öğrettiği ayrımın ta kendisidir: kullanım değeri ile değişim değeri. Sermaye, kullanım değeri hala gerekli olan bir emeğin değişim değerini düşürmenin yolunu bulduğunda, buna "verimlilik" der.

Ustaların ortak sözü

Bu turdan çıkan tablo şu:

• Dijkstra: belirsizliği sisteme geri sokmak kolaylık değil, yüktür.
• Brooks: özsel karmaşıklığı hiçbir araç ortadan kaldırmaz; zor olan neyin yapılacağına karar vermektir.
• Naur: program, insanların kafasındaki bir kuramdır; kuram taşıyıcıları dağılınca program ölür.
• Bainbridge: otomasyon, insanı en kritik anda en yetersiz hale getirebilir.
• Lehman: yazılımın hayatı değişimdir; değişimin bedeli bakımdır.
• Fowler: yana, belirlenimsizliğe doğru kayıyoruz.
• Booch: yapay zeka geliştiricinin yerine geçmez; sistemler çağına giriyoruz.
• Torvalds: bakımı düşünmeyen kod korkunç bir fikirdir.
• Karpathy ve Willison: denetim ve hesap verme, uzmanlık ister.
• Beck: becerinin değeri ile piyasa fiyatı ayrışıyor.

Hiçbiri "yazılım mühendisliği bitti" demiyor. Ama çoğu, sorunun teknik olmaktan çok toplumsal olduğunu sezdiriyor: kim öğrenecek, kim bakacak, kim hesap verecek? Bu soruları sınıf diline çevirmek bize düşüyor.

---

Türkiye'den Sesler

Ustaların sözü uzaktan geliyor. Aynı soru, Türkiye'nin yazılım ortamında da soruluyor. Aşağıdaki sesler, ekosistemin içinde adı duyulan yazılımcıların kendi iş gününden ve bu tartışmayı uzun süredir yazan bir araştırmacının metinlerinden. Hepsi makineyi ciddiye alıyor. Hiçbiri "hiçbir şey değişmiyor" demiyor. Ayrıldıkları yer, değişimin kime yaradığı.

Fatih Kadir Akın, 3 Temmuz 2025'te Context Dergi'ye verdiği söyleşide yazılımcılar arasında bir kriz olduğunu söylüyor. Claude'un "gerçekten çok iyi kod yazdığını", ama bunun ezberlenmiş kalıplar olduğunu; "yaratıcı çözümleri sağlayamadığını, o noktada yine bizim desteğimize ihtiyaç duyduğunu" ekliyor. Rutin işin bir iki günden birkaç saate indiğini, mesleğin bundan "daha pozitif" etkileneceğini düşünüyor. Otomatikleşebilen iş için de şu cümleyi kuruyor: "Eğer bir şey otomatize olabiliyorsa, bırakın otomatize olsun. Biz de otomatize olmayan başka bir alana yöneliriz." (söyleşi)

Bu son cümle, sektörün tesellisidir. Yönelinecek "başka alan" kendiliğinden açılmaz. Herkes oraya yöneldiğinde o alanın ücreti de düşer. Akın'ın gördüğü hız gerçektir. Hızın kime kalacağı, söyleşide sorulmayan sorudur.

Bilal Çınarlı, Nisan 2026'da ajanlarla çalışmanın ölçüsünü şöyle koyuyor: ajanlar kod yazabildiği için asıl değerli iş, neyin yayınlanmayacağına karar vermektir. Göndermemek, incelemek, silmek ve yavaşlamak, işe yaramaz şeyler göndermekten daha değerlidir. Son bir yılda, kariyerinin önceki yirmi yılından daha çok belge ve kod okuduğunu yazıyor. (LinkedIn)

Çınarlı'nın tarif ettiği kayma, birazdan "zincirden denetime" diyeceğimiz kaymanın ta kendisidir. Değerli olan iş, kodun ilk üretimi değil, neyin gemiden atılacağına karar vermektir. Eksik kalan, bu kararın fiyatıdır. Daha çok inceleme, kendiliğinden daha yüksek ücret ya da daha kısa bir gün demek değildir.

Onur Güzel, 1 Haziran 2026'da altı aylık ajan denemesini yazıya döktü. Ana cümlesi net: "Yapay zeka kod yazmayı tamamen bitirmedi. Yazılım mühendisliğini de bitirmedi." Hemen ardından gelen ayrım da net: "Ne yaptığınızı biliyorsanız yapay zeka size yardımcı olur. Ne yaptığınızı bilmiyorsanız sizi saçma sapan yerlere götürür." Kendi deneyinde ajan, istenmeden özel depoyu herkese açmış; bir algoritmanın yerine, testler geçsin diye başka bir kod koymuş. Güzel'in formülü şu: "yalancının mumu benchmarklara kadar yanar." (yazı)

İzlem Gözükeleş, 30 Mart 2026'da Yarımada'da yayımladığı "Yapay Zeka Önce Kendini Evlatlarını mı Yiyecek?" yazısında aynı deneyin üstüne basıyor: asistanlı grup sınavda %50, asistansız grup %67 alıyor; en keskin fark hata ayıklamadadır. Gözükeleş'in kendi hükmü şudur. Yarının geliştiricisinin yerini yapay zeka almayacak; yerini, bilgi birikimini kaybetmeden aracı kullanmayı bilen başka bir geliştirici alacak. Kıdemsiz istihdamın kısılıp kıdemlinin tercih edilmesi şimdiden şirket politikasına yansımış durumda. Bu böyle sürerse şirketler, istediği nitelikte mühendisi ileride bulamayabilir. Sorunu bireyin iradesine yıkmak da yetmez: "Sorunları yalnızca 'bireysel sorumluluk' çerçevesinde ele almak, yazılımcıların zorlukları aşmak için 'erdemli süper kahramanlar' gibi irade göstermelerini beklemek demektir." Şirket kodu ajana yazdırmayı teşvik ettikçe, çalışan bir süre sonra o kodu doğrulayacak ve hata ayıklayacak beceriden de yoksun kalır. (yazı)

Aynı yazar, 25 Aralık 2024'te BM Dergi'de özgür yazılımı bir kutup yıldızı olarak savunur ve hemen ekler: bu yalnızca bir başlangıçtır. Kahraman hackerın kendi yazdığı yazılımla endüstriyi altüst ettiği çağ kapanmıştır. Yazılım özgürlüğü artık daha doğrudan politik bir sorundur. Üstelik firmalar açık kaynağı en başından araçsallaştırmıştır: gönüllünün karşılığı ödenmeyen katkısı, standart, halkla ilişkiler. Bulut ve veriye dayalı yapay zeka ile geliştiricinin üretme hakkı, bulut sağlayıcının çizdiği çerçevenin içine hapsolur. (Özgür Yazılım: Son Değil, Başlangıç)

Bu sesler yazının sorusuna malzeme veriyor. Akın mesleğin olumlu etkileneceğini umuyor. Çınarlı denetimin asıl iş haline geldiğini görüyor. Güzel, denetimsiz hızın sahte başarı ürettiğini gösteriyor. Gözükeleş ise merdivenin çekilmesini ve açıklığın mülkiyet sorusuna varmadan kurtarmayacağını yazıyor. Bizim eklediğimiz soru duruyor: bu denetimi yapacak kuram bir sonraki kuşağa nasıl geçecek ve kazanç kime kalacak?

---

Altıncı Bölüm: Yazılımcının Rolü Nasıl Değişiyor?

Zincirden denetime

Geleneksel iş akışında geliştirici sorunu analiz eder, kodu yazar, test eder ve değişikliği teslim ederdi. Bu bir zincirdi ve zincirin her halkası bir öğrenme anıydı: analizde alanı, yazımda dili ve yapıyı, testte sistemin nasıl kırıldığını, teslimde üretimin gerçeğini öğrenirdiniz.

Ajan ağırlıklı iş akışında ise geliştiricinin görevi giderek dört şeye doğru genişliyor:

• Gereksinimi tanımlamak: ne istendiğini, hangi kısıtlar altında, hangi kabul ölçütleriyle istendiğini ajanın anlayacağı açıklıkta yazmak.
• Ajanların ürettiği değişiklikleri denetlemek: üretilen kodun doğru, güvenli, okunabilir ve sistemle uyumlu olup olmadığına karar vermek.
• Mimari tutarlılığı korumak: binlerce küçük değişikliğin toplamının sistemi çürütmemesini sağlamak.
• Sonuçların sorumluluğunu üstlenmek: üretimde bir şey patladığında hesabı vermek.

Bu, mutlaka daha az düşünsel emek anlamına gelmiyor. Aksine, iyi bir inceleme için alan bilgisi, sistemin geçmişini bilmek ve yan etkileri öngörmek gerekiyor. Bir çekme isteğini onaylamak, o değişikliğin hangi eski kararla çatıştığını, hangi kenar durumda ne yapacağını, altı ay sonra kimin başını ağrıtacağını bilmeyi gerektirir. Naur'un diliyle: inceleme, programın kuramına sahip olmayı gerektirir.

Bu noktada eski bir tezimizi incelikli hale getirmemiz gerekiyor. YZ Çağında Emek kılavuzunda zihinsel Taylorizmi anlatırken "denetleyip düzelten kişi, kavrayandan daha az yetkin, daha az vazgeçilmez, daha az pazarlık gücüne sahiptir" yazmıştık; GPT-6 Astra yazısında da "makine yaratıcı kısmı alır, sıkıcı denetim kısmı işçiye kalır" demiştik. Yazılımdaki tablo bu tezi çürütmüyor ama bir çelişkiyle zenginleştiriyor: denetim emeği gerçekte daha fazla bilgi ister, ama sermaye onu daha az değerli bir emekmiş gibi örgütler ve ücretlendirir. Denetimin değeri yüksek, fiyatı düşük. Kent Beck'in parantezi burada yeniden karşımıza çıkıyor.

Yeni çelişki: Çekilen merdiven

Burada yazılım dünyasının önündeki en ciddi çelişki doğuyor: kodun ilk üretimi hızlanırken, kodun neden doğru olduğuna karar verecek deneyimin kazanılması güçleşiyor.

Bir mesleğe nasıl girilir? Küçük işlerle. Bir birim testi yazarak, bir form doğrulaması ekleyerek, bir kullanıcının bildirdiği hatayı kovalayarak, kıdemli birinin kod incelemesinde "bunu neden böyle yaptın?" sorusuyla karşılaşarak. Bu küçük uygulama ve hata düzeltme görevleri, tarihsel olarak juniorların öğrenerek yaptığı ve öğrenirken maaşını hak ettiği işlerdi. Tam da ajanların en iyi yaptığı işler bunlar: tanımı belli, denetimi kolay, kapsamı dar.

Bilişim Emekçisinin El Kılavuzu'nda bunu şöyle yazmıştık: "Yapay zeka senior'ı ikame etmiyor; senior'ı yetiştiren merdiveni söküyor."

Bainbridge'in ironisi burada tam biçimiyle işliyor. Denetim için gereken bilgi, yazma, bozma, düzeltme pratiğinde üretiliyordu. O pratik makineye devredildiğinde iki şey olur:

• Bugünün kıdemlileri, yıllarca kod yazarak kazandıkları kuramla ajanları denetler. Bu kuşak şimdilik vardır ve verimlilik iddialarının sessiz zemini odur.
• Yarının kıdemlileri ise yetişmez. Çünkü onları yetiştirecek işler ya hiç açılmaz ya da ajana verilir. Beş on yıl sonra ajanları denetleyecek, sistemin kuramını taşıyacak insanlar nereden çıkacak?

Bu, bireysel bir kariyer sorunu değil, bir toplumsal yeniden üretim sorunudur. Bir meslek, bilgisini bir kuşaktan ötekine aktaramıyorsa, o meslek kendi geleceğini tüketiyordur. Ve bu tüketimin bedeli bugün değil, yarın ödenir: bakımı yapılamayan sistemlerle, kimsenin kuramını bilmediği kamu altyapılarıyla, "ortamı sil ve yeniden kur" kararlarını sorgulayamayan ekiplerle.

Sermaye açısından bu çelişki, bir dışsallıktır. Junior yetiştirmenin maliyeti tek bir şirkete düşer, getirisi ise o junior başka şirkete geçtiğinde bütün sektöre dağılır. Rekabet eden her şirket için rasyonel olan, yetiştirmemek ve yetişmişi satın almaktır. Herkes bunu yaptığında yetişmiş kalmaz. Bireysel rasyonellik, toplumsal irrasyonelliği üretir — kapitalizmin en eski yasalarından biri.

Neyi ölçüyoruz?

Bu yüzden verimlilik tartışmasını yalnızca üretilen kod miktarına, kapanan iş kartlarına ya da "PR'ların yüzde kaçı ajanla başladı" sorusuna indirgemek, sermayenin kendi ölçüsünü kabul etmek demektir. Verimliliği şu dört ölçütle birlikte değerlendirmek gerekiyor:

• Hata oranları: üretime çıkan hatalar, geri almalar, olay sayısı ve süresi.
• Bakım yükü: tekrar eden kod, teknik borç, bir değişikliğin ne kadar sürede güvenle yapılabildiği.
• Yeni çalışanların yetişmesi: işe alınan junior sayısı, mentorluk süresi, bir yeni çalışanın sistemin kuramına sahip olması için gereken zaman.
• Ürünün uzun vadeli güvenilirliği: kullanıcının yıllar içinde sisteme güvenip güvenemediği.

Ve beşinci bir ölçüt, sınıf açısından en önemlisi: kazanç kime gidiyor? Kod üretimi hızlanıyorsa, kazanılan zaman çalışana daha kısa bir iş günü olarak mı dönüyor, yoksa aynı işi daha az insana yaptırmak için mi kullanılıyor?

Sermayenin ölçtüğü	Bizim ölçmemiz gereken
Üretilen satır, kapanan kart, ajanla açılan PR oranı	Üretime çıkan hata, geri alma, olay süresi
Teslim hızı (throughput)	Teslim kararsızlığı ve bakım yükü
Kişi başına çıktı	İşe alınan junior sayısı, mentorluk saati
Çeyreklik maliyet tasarrufu	Ürünün yıllar içindeki güvenilirliği
"Verimlilik artışı"	Kazancın ne kadarı ücrete ve kısa çalışma süresine döndü
Bireysel "yeniden beceri kazanma"	Mesleğin kuşaktan kuşağa aktarılabilmesi

---

Yedinci Bölüm: Sınıfsal Zemin

Buraya kadar olguları ve tanıklıkları sıraladık. Şimdi onları birbirine bağlayan yapıya bakalım. Ajan paradigması, yazılım emeğinin sermaye karşısındaki konumunu nasıl değiştiriyor? Bunu anlamak için Marx'ın birkaç temel kavramına ve yazılım tarihinin kendisine dönmemiz gerekiyor.

Biçimsel boyunduruktan gerçek boyunduruğa

Marx, Kapital'in yayımlanmamış bir bölümünde (Dolaysız Üretim Sürecinin Sonuçları) emeğin sermayeye bağlanmasının iki aşamasını ayırır. Biçimsel boyunduruk (formal subsumption) aşamasında sermaye, emek sürecini olduğu gibi devralır: zanaatkar artık ücretlidir, ürettiği şey patronundur, ama işi hala eskisi gibi, kendi bildiği yöntemle, kendi aletleriyle yapar. Sermaye artı-değeri ağırlıkla iş gününü uzatarak, yani mutlak artı-değer yoluyla elde eder. Gerçek boyunduruk (real subsumption) aşamasında ise sermaye emek sürecinin kendisini dönüştürür: iş, makineye, iş bölümüne, bilimin sermaye tarafından örgütlenmiş uygulamasına göre yeniden kurulur. İşçi artık süreci yönetmez; süreç işçiyi yönetir. Artı-değer ağırlıkla verimlilik artışı, yani göreli artı-değer yoluyla elde edilir.

Yazılım emeğinin yarım yüzyıllık tarihi, bu iki aşama arasındaki uzun bir gerilimin tarihidir. Yazılımcı on yıllar boyunca ücretliydi, ürettiği kod şirketindi; ama işin nasıl yapılacağı bilgisi büyük ölçüde onun kafasındaydı. Yazılım emeği, bu anlamda, biçimsel boyunduruğun en inatçı adalarından biriydi. Yöneticiler bunu her zaman bir sorun olarak gördü: programcılar "yönetilemez", "tahmin edilemez", "vazgeçilmez" idi. 1970'lerin yapısal programlaması, 1990'ların süreç modelleri, 2000'lerin çevik yöntemleri ve sprint panoları, bu adayı sermayenin denetimine almanın ardışık denemeleriydi. Sosyolog Philip Kraft 1977'de Programmers and Managers kitabında bu süreci "programcılığın rutinleştirilmesi" olarak anlatmıştı.

Ajan paradigması, bu denemelerin en radikalidir. Yürütme bilgisi — kod yazma, hata ayıklama, test etme zanaatı — artık işçinin kafasında değil, sermayenin makinesinde. Emek süreci, ajanın kapasitesine göre yeniden kuruluyor: işçi ajanın ürettiğini denetliyor, ajanın temposuna uyuyor, ajanın hatasına kefil oluyor. Makalenin "denetim merkezi: insan mühendis → dil modeli akıl yürütme motoru" satırı, gerçek boyunduruğun teknik tarifidir.

Göreli artı-değer: Kazanılan zaman kimin?

Marx, Kapital'in makine bölümünde John Stuart Mill'in şu cümlesini aktarır: "Şimdiye kadar yapılmış bütün mekanik icatların, herhangi bir insanın günlük zahmetini hafifletip hafifletmediği kuşkuludur." Ve ekler: makinenin kapitalist kullanımda amacı emeği hafifletmek değil, metaları ucuzlatmak ve işçinin kendisi için çalıştığı süreyi kısaltıp kapitalist için çalıştığı süreyi uzatmaktır.

Bu, bugün olup bitenin özüdür. Bir yazılımcı ajan sayesinde aynı işi yarı sürede yapabiliyorsa, kapitalist üretim ilişkileri içinde bunun sonucu yazılımcının yarım gün çalışması değildir. Sonuç üç biçimden birini alır: aynı ücretle iki kat iş, aynı işle yarı kadro, ya da her ikisi. Microsoft'un rekor kar açıkladığı çeyrekte kadrosunun dörtte birine ayrılma paketi önermesi, bu yasanın 2026'daki fotoğrafıdır.

Üstelik Marx makinenin bir paradoksuna daha dikkat çeker: makine işçiyi hafifletmez, yoğunlaştırır. Birim zamanda harcanan emek artar; işçi makinenin hızına bağlanır. Yazılımcının "neredeyse doğru" kodla geçen günü, sürekli bağlam değiştirerek on ajanın çıktısını incelediği sprint, Stack Overflow anketindeki "hata ayıklamak daha uzun sürüyor" diyen %45 — bunlar emeğin yoğunlaşmasının bilişsel biçimleridir. Hibrit ve uzaktan çalışma üzerine yazdığımız Makine Yeni, Zincir Eski: Uzaktan Çalışmanın Sınıfsal Anatomisi yazısında uzaktan çalışmanın görünmez yoğunlaşmasını anlatmıştık; ajan çağı aynı yoğunlaşmayı zihnin içine taşıyor.

Sohn-Rethel: Kafa ile el ayrımının yeni sınırı

Alman Marksist Alfred Sohn-Rethel, Kafa Emeği ve El Emeği (1970) kitabında, kafa emeği ile el emeği arasındaki ayrılığın doğal değil tarihsel olduğunu, meta mübadelesinin soyutlamasıyla ve sınıflı toplumla birlikte doğduğunu savundu. Kapitalizmde bu ayrılık, bilimin ve tasarımın sermaye tarafında, uygulamanın işçi tarafında toplanmasıyla derinleşir.

Yazılımcı, yirminci yüzyılın sonunda bu ayrılığın tuhaf bir ara yerinde duruyordu: bir "kafa işçisi"ydi, ama aynı zamanda bir uygulayıcıydı. Onu imtiyazlı kılan buydu. Ajan paradigması bu ara yeri parçalıyor: kafa emeğinin kendisi, "tasarım" ile "uygulama" olarak yeniden bölünüyor. Tasarım ("niyet") az sayıda insana, uygulama makineye ve makinenin denetçisine. Kafa ile el arasındaki sınır, kafanın içinden geçmeye başlıyor. Zihinsel Taylorizm dediğimiz şey tam olarak bu.

Çelişkili konumdan proleterleşmeye

Amerikalı Marksist sosyolog Erik Olin Wright, mühendisler, teknik uzmanlar ve orta kademe yöneticiler için "çelişkili sınıf konumu" kavramını önerdi: bu insanlar ücretlidir, yani işçi sınıfıyla ortak bir konumları vardır; ama aynı zamanda nitelik ve örgütsel yetki gibi varlıklara sahiptir, bu da onları kısmen sermayenin tarafına çeker. Yazılımcı uzun süre bu konumun ders kitabı örneğiydi: yüksek ücret, hisse opsiyonu vaadi, "yatay hiyerarşi" söylemi, kendini "işçi değil yetenek" olarak görme.

Lenin, Emperyalizm'de, tekel karlarından pay alan bir iş aristokrasisinden söz eder: işçi sınıfının, ayrıcalıkları nedeniyle düzene bağlanan üst katmanı. Bilişim emekçisinin üst katmanı, 2010'ların teknoloji balonunda bu konuma yaklaşmıştı. İllüzyonun Yırtılışı yazımızda teknoloji işçisini "zihinsel proletarya ile işçi aristokrasisi arasında" bir profil olarak çizmiştik.

Ajan paradigması, bu çelişkili konumun çelişkisini çözüyor — ama yazılımcının lehine değil. Çelişkili konumu mümkün kılan iki varlıktan biri, nitelik, makineye devrediliyor; öteki, örgütsel yetki, giderek daha az insanda toplanıyor. Geriye kalan, ücretli emeğin çıplak konumudur. Buna sosyolojide proleterleşme denir: üretim araçlarından, kendi emek süreci üzerindeki denetimden ve imtiyazdan kopuş. Beyaz Yakalının Sefaleti yazımızın temel tezi buydu: beyaz yakalı sınıfın dışında değil, sınıfın kendi ayrıcalığını kaybetmiş bölüğüdür.

Yedek iş gücü ordusu ve işe almamak

Marx'ın "nispi artık nüfus" ya da yedek sanayi ordusu kavramı, kapitalist birikimin sürekli olarak işsiz ya da eksik istihdam edilen bir kitle ürettiğini ve bu kitlenin çalışanların ücretleri üzerinde baskı kurduğunu anlatır. Bu ordu yalnızca işten çıkarılanlardan oluşmaz; hiç işe alınmayanlar da onun parçasıdır.

Stanford verisinin gösterdiği tam da budur: etki işten çıkarmadan değil, işe almamaktan geliyor. Junior yazılımcılar, bootcamp mezunları, ücretsiz staj döngüsünde kalan yeni mezunlar, bilişim emeğinin yedek ordusunu oluşturuyor. Onların varlığı, çalışanların pazarlık gücünü zayıflatıyor: "senin yerine alınacak çok kişi var" cümlesi yerine artık "senin işini ajan da yapar" cümlesi kuruluyor. İşsizlik Dosyamızda tarif ettiğimiz mekanizma burada da geçerli: teknolojinin gücü, işsizliği değil, işsizlik tehdidini üretmesindedir.

Uluslararası işbölümü: Görünmez katman

Ajanın "yeteneği" yalnızca yazılımcıların kodundan değil, modelleri eğitmek için gereken insan geri bildirim emeğinden de gelir: yanıtları sıralayan, kodu etiketleyen, hataları işaretleyen veri işçileri. Bu emeğin önemli bir kısmı Kenya'da, Filipinler'de, Hindistan'da, Latin Amerika'da, saatlik birkaç dolara yapılıyor. Sosyalist Yapay Zeka Manifestosu'nda derlediğimiz rakamlarla: OpenAI'ın aracı şirkete saatte 12,50 dolar ödediği iş için Kenyalı etiketçiler saatte 1,32 ile 2 dolar arası aldı.

Yani "Ajan → Sonuç" zincirinin arkasında küresel bir emek zinciri var: Kuzey'de yazılımcıların açık kaynak mirası, Güney'de etiketçilerin ucuz emeği, ortada birkaç tekelin veri merkezi. Türkiye bu zincirde ara bir yerde duruyor: makine dolarla fiyatlanıyor, emek lirayla ücretlendiriliyor.

Kar oranı, sermaye harcaması ve balon

Son olarak, bütün bu dönüşümün arkasındaki büyük ekonomik basıncı unutmamak gerekiyor. Büyük teknoloji şirketlerinin yapay zekaya yaptığı sermaye harcaması 2026'da yüzlerce milyar dolara ulaştı. Marx'ın diliyle bu, değişmeyen sermayenin (makine, çip, veri merkezi) değişen sermayeye (ücretler) oranla devasa büyümesidir; ve Marx'a göre bu büyüme, uzun vadede kar oranı üzerinde düşürücü bir basınç yaratır. Bu basıncı dengelemenin klasik yolları ise bellidir: emeğin yoğunlaştırılması, ücretlerin baskılanması, kadroların daraltılması.

Balon mu, Borç mu? yazımızda sorduğumuz soru burada da geçerli: şişerken kim kazanıyor, patlarsa ya da patlamazsa kim ödüyor? Ajanların vaat ettiği verimlilik, o devasa yatırımın geri dönüşünün kaynağı olarak gösteriliyor. O verimliliğin kimden sağlanacağı ise belli: yazılımcının yoğunlaşan emeğinden, işe alınmayan junior'dan, kurutulan müşterekten.

---

Sekizinci Bölüm: Felsefi Zemin

Şimdi bir adım geri çekilip tartışmanın felsefi katmanına bakalım. Çünkü "yazılım mühendisliğinin sonu" söylemi yalnızca teknik bir öngörü değil; emek, bilgi ve mülkiyet üzerine örtük bir felsefe taşıyor.

Kalıcı olan kimin?

Makalenin en çarpıcı cümlesi şu: "Bu modelde yazılım teslim edilmez; sonuçlar teslim edilir. Kalıcı olan, ajanın ara ürünleri değil, yeteneğidir."

Bu cümleyi felsefi olarak ciddiye alalım. Ajanın "yeteneği" nereden geliyor? Milyonlarca yazılımcının on yıllar boyunca yazdığı açık kaynak koddan, soru-yanıt sitelerine yazılan yanıtlardan, commit mesajlarından, hata kayıtlarından, belgelendirmelerden, kod inceleme yorumlarından. 20. Karaburun Bilim Kongresi'nde bir yazılımcı arkadaşımız, Ahmet Gire, bunu çarpıcı bir formülle söylemişti: yazılımcı, kolektif çalışmanın zorunlu kıldığı belgeleme ve commit mesajlarıyla, farkında olmadan "yapay zeka için kendi kodunun etiketleyicisi" olmuştur.

Marx, Grundrisse'deki "Makineler Üzerine Fragman"da bunu yüz altmış yıl önce tarif etmişti: toplumsal bilgi, "genel zeka" (general intellect), sabit sermayede, makinede nesneleşir; işçiye yabancı bir güç olarak, makinenin sahibinin malı olarak karşısına çıkar. Kristalleşmiş Emeğin İsyanı bildirimizin ana tezi buydu: yapay zeka modelleri, insanlığın kolektif bilişsel birikiminin, karşılığı ödenmeden toplanmış ve özel mülkiyet altında sermayeleştirilmiş, kristalleşmiş biçimidir.

Naur'la birleştirince tablo netleşiyor. Program bir kuramdır ve kuram insanların kafasındadır. Ajan paradigması, o kuramın genelleştirilebilir kısmını insanların kafasından alıp modelin ağırlıklarına taşıyor. "Kalıcı olan ajanın yeteneğidir" cümlesinin anlamı şu: kalıcı olan, artık yazılımcıların kolektif kuramı değil, o kuramın bir şirketin mülkü olan kopyasıdır. Makalenin "Yazılım 3.0" satırındaki "örnekler" sütunu bu yüzden iki şirket adından ibaret.

Taylorizmin tersine dönüşü mü?

Makalenin örtük felsefesi şöyle bir umut taşıyor: Taylorizm kavrayışı yönetime verip işçiyi yürütmeye mahkum etmişti; şimdi yürütme makineye geçiyor, insan "niyet mimarı" olarak kavrayışı geri alıyor. Bu, bir kurtuluş anlatısı gibi görünüyor.

Harry Braverman, 1974'te yayımlanan Emek ve Tekelci Sermaye'de Taylorizmin özünü "kavrayış ile yürütmenin ayrılması" olarak tanımladı ve bu ayrılmanın büro işine, sonra bilgisayar programcılığına nasıl taşındığını gösterdi; Kraft'ın, bir önceki bölümde andığımız rutinleştirme çözümlemesi bu çizginin devamıdır. Yazılım tarihi, bu açıdan, kavrayışın küçük bir mimar-yönetici katmanında toplanıp yürütmenin parçalanması tarihidir.

Ajan paradigması bu süreci tersine çevirmiyor, bir basamak yukarı taşıyor:

• Yürütme bilgisi (kodu yazma, hata ayıklama, test etme zanaatı) makineye, yani sermayeye geçiyor.
• Kavrayış (gereksinim, mimari, denetim) ilkesel olarak insanda kalıyor — ama daha az insanda. Makalenin kendi önerisi: "daha büyük geliştirici ekiplerinin yerini daha küçük ajan orkestratörü ekipleri alabilir."
• Ve kavrayışın kendisi de hedefte. Yol haritasının dördüncü aşaması, insanı "amaç belirleyici ve etik yönetici" konumuna çekiyor; yani kavrayışın da makineleştirilebilir kısmı devredildikçe, insana yalnızca son onay ve son sorumluluk kalıyor.

"Niyet mimarı" bir kurtuluş değil, bir daralmadır: on kişinin yürüttüğü, birkaç kişinin kavradığı işten; makinenin yürüttüğü, bir kişinin kefil olduğu işe. Döngüdeki İnsan yazısındaki formülle: "Sistemin 'son kararı insan verir' güvencesi, hatanın faturasını işçiye kesen bir düzeneğe dönüşebiliyor."

Efendi ile köle

Hegel'in Tinin Fenomenolojisi'ndeki efendi-köle diyalektiği bu tartışmaya beklenmedik bir derinlik katıyor. Hegel'e göre efendi, kölenin emeğinin ürününü tüketir ama dünyayla doğrudan ilişkisini kaybeder; köle ise nesneyi işleyerek, ona biçim vererek, dünyayı ve kendini tanır. Emek, bilincin okuludur. Uzun vadede bağımlı olan efendidir; çünkü dünyayı dönüştürme yetisi kölenin elinde birikmiştir.

"Niyet mimarı" figürü, yazılımcıyı bu diyalektiğin efendi konumuna yerleştirmeye çalışıyor: emri veren, sonucu alan, ama nesneyle — kodla, sistemin maddi işleyişiyle — teması giderek azalan. Bainbridge'in ironisi, Hegel'in bu sezgisinin endüstri psikolojisindeki karşılığıdır: işi yapmayan, işi anlama yetisini kaybeder. Ama ortada asıl efendi başkadır: ne yazılımcı ne ajan, ajanın sahibi. Yazılımcı, efendi görünümlü bir aracıdır; sermaye ise kölenin biriktirdiği bilgiyi — kristalleşmiş emeği — kendi mülküne çevirerek Hegel'in diyalektiğinin işçiye vaat ettiği kurtuluşu engellemeye çalışır.

Buradan çıkan ders umut vericidir: dünyayı dönüştürme bilgisi hala emeğin pratiğinde üretiliyor. Modeller bile o pratiğin ürünüyle eğitiliyor. Sermayenin bu bilgiye bağımlılığı sürüyor. Sistemi kuran el, onu durdurabilecek tek eldir — Bilişim Kılavuzu'nda yazdığımız gibi.

Örtük bilgi ve fetiş

Michael Polanyi'nin ünlü cümlesi: "Söyleyebildiğimizden fazlasını biliriz." Her yazılım ekibinde yazıya dökülmemiş bir bilgi vardır: hangi modüle dokunulmaz, hangi müşteri hangi kenar durumu kullanır, hangi geçici çözüm neden kalıcılaştı. Bu örtük bilgi, işçinin pazarlık gücünün en sessiz kaynağıdır. Zihinsel Taylorizm, bu bilginin kodlanabilir kısmını işçiden alıp sisteme aktarma sürecidir.

"Ajan → Sonuç" formülü ise bir meta fetişizmi formülüdür. Marx'ın Kapital'deki çözümlemesinde meta, onu üreten toplumsal emek ilişkilerini gizleyerek kendi başına değeri olan bir şey gibi görünür. Makalenin dünyasında da "sonuç" kendi başına gelir: ajan anlar, kurar, çalıştırır, teslim eder. Görünmeyen şey, o sonucun arkasındaki emektir: modeli eğiten yazılımcıların kolektif mirası, veriyi etiketleyen Küresel Güney işçileri, ajanın çıktısını gece yarısı inceleyen mühendis, veri merkezini soğutan su ve enerji, hatanın faturasını ödeyen kullanıcı.

Tekhne ve phronesis: Zanaatın bilgisi

Felsefe tarihinin en eski ayrımlarından biri burada işe yarıyor. Aristoteles, Nikomakhos'a Etik'te bilginin farklı türlerini ayırır: episteme (zorunlu olanın bilimsel bilgisi), tekhne (bir şey üretmenin, yapmanın zanaat bilgisi) ve phronesis (somut durumda doğru olanı seçmenin pratik bilgeliği). Aristoteles'e göre tekhne de phronesis de yalnızca kurallardan öğrenilemez; yaparak, alışkanlıkla, deneyimle kazanılır. Lir çalarak lirci, adil davranarak adil olunur.

Yazılım mühendisliği bu üçünün iç içe geçtiği bir pratiktir. Algoritmaların ve karmaşıklık kuramının bir episteme yanı var; kod yazmanın, bir sistemi kurmanın bir tekhne yanı var; ve belki en önemlisi, bir değişikliğin bu sistemde, bu kullanıcılar için, bu kısıtlar altında doğru olup olmadığına karar vermenin bir phronesis yanı var. Makalenin "niyet mimarı" ve "sonuç denetçisi" dediği roller, tam da bu üçüncü bilgiyi gerektiriyor.

Aristoteles'in dersi şu: phronesis, tekhne'nin pratiğinden kopuk olarak gelişmez. İyi bir yargıç olmak için davaların içinden geçmek gerekir; iyi bir kod incelemecisi olmak için kodun içinden geçmek gerekir. Pratik bilgelik, pratiğin tortusudur. Uygulamayı makineye devredip yargıyı insana bırakmak, yargının kaynağını kurutmaktır.

Deneyimin yoksullaşması

Walter Benjamin, Birinci Dünya Savaşı'ndan dönen askerlerin sessizliği üzerine yazdığı 1933 tarihli "Deneyim ve Yoksulluk" denemesinde ve ardından "Hikaye Anlatıcısı"nda, modern kapitalizmde aktarılabilir deneyimin (Erfahrung) çözüldüğünü anlatır. Eski toplumlarda deneyim, ustadan çırağa, yaşlıdan gence, hikayeyle ve birlikte çalışarak aktarılırdı. Modern üretim ve modern savaş ise insanları, anlam veremedikleri, aktaramadıkları, yalnızca yaşadıkları (Erlebnis) parçalı anlara mahkum etti.

Benjamin'in kaygısı, bugün yazılım dünyasında somut bir biçim alıyor. Usta-çırak ilişkisinin yazılımdaki karşılığı kod incelemesi, eşli programlama, birlikte hata ayıklama, açık kaynak projelerinde bakımcının yeni katkıcıya yazdığı uzun açıklamalardı. Bunlar, sistemin kuramının, Naur'un deyişiyle, bir kafadan ötekine aktarıldığı anlardı. Ajan ağırlıklı iş akışında bu anlar seyreliyor: junior ajanla çalışıyor, kıdemli ajanın çıktısını inceliyor, ikisi arasındaki aktarım kanalı daralıyor. Geriye, hızla kapanan iş kartlarının parçalı anları kalıyor. Deneyim yoksullaşıyor.

Ama Benjamin'in denemesinde umutlu bir dönüş de var: deneyimin yoksullaşması, insanları "baştan başlamaya", yeni bir kolektif kurmaya da zorlayabilir. Kendi deyişiyle, yoksulluk yeni bir barbarlığa olduğu kadar yeni bir başlangıca da kapı açabilir. Hangisinin olacağını teknoloji değil, insanların birlikte ne yapacağı belirler.

Dört yabancılaşma

Genç Marx, 1844 Ekonomi Politik ve Felsefe Elyazmaları'nda ücretli emeğin yabancılaşmasını dört boyutta anlatır. Bu dört boyut, ajan çağının yazılımcısı için şaşırtıcı ölçüde somut.

• Üründen yabancılaşma. İşçinin ürettiği şey ona ait değildir, karşısına yabancı bir güç olarak çıkar. Yazılımcının yazdığı kod hep şirketindi; ama şimdi bir adım daha atılıyor: yazdığı kod, onun yerine geçecek modelin eğitim verisine dönüşüyor. Ürün, üreticisini ikame etmek için kullanılıyor.
• Emek sürecinden yabancılaşma. İşçi çalışırken kendini olumlamaz, yadsır; iş, kendi etkinliği değil, başkasına ait bir etkinliktir. "Akış" (flow) halinde kod yazmanın, bir sorunu çözmenin verdiği haz, ajanın çıktısını satır satır denetlemenin tedirginliğine dönüşüyor.
• Türsel özden yabancılaşma. Marx'a göre insanı insan yapan, bilinçli, özgür, yaratıcı üretimdir: dünyayı tasarlayıp dönüştürme yetisi. Yazılım, bu yetinin çağımızdaki en saf biçimlerinden biriydi: düşünceyi doğrudan çalışan bir makineye çevirmek. Bu yaratıcı etkinliğin makineye devredilip insana yalnızca onay ve kefalet kalması, türsel özden yabancılaşmanın yeni bir evresidir.
• İnsanın insana yabancılaşması. Ekip arkadaşı bir rakibe, yardımlaşma bir verimlilik kaybına dönüşür. Ajan çağında yeni bir biçim alıyor: junior ile kıdemli arasındaki aktarım kopuyor, açık kaynakta yeni katkıcıya güven kayboluyor, herkes kendi ajanıyla baş başa kalıyor.

Ama Marx'ın yabancılaşma kuramı bir yakınma değil, bir eleştiridir: yabancılaşma insan doğasının değil, belirli bir üretim ilişkisinin ürünüdür; ve o ilişki değiştirilebilir.

Şeyleşme ve hesaplanabilirlik

Macar filozof Georg Lukács, Tarih ve Sınıf Bilinci'nde (1923) Marx'ın meta fetişizmi çözümlemesini şeyleşme (reification) kavramıyla genişletti: kapitalizmde insan ilişkileri şeyler arası ilişkiler gibi görünür ve emek süreci giderek artan bir hesaplanabilirlik ilkesine göre parçalanır. Lukács, Taylorizmin işçinin "psikolojik özelliklerini" bile hesaplanabilir birimlere ayırdığını yazmıştı.

Ajan paradigması, hesaplanabilirliğin yazılımdaki son sınırıdır. Makale insan kapasitesini bir sabite (C_H), model kapasitesini bir değişkene (C_M) indirgiyor; yazılımcının bütün emeğini, deneyimini, yargısını tek bir sayıya çevirip başka bir sayıyla karşılaştırıyor. Bu, bilimsel bir yöntem değil, şeyleşmiş bilincin matematiksel ifadesidir: insan emeğini, bir makinenin özellikleriyle aynı düzlemde ölçülebilir bir nicelik olarak görmek.

Heidegger mi, Marx mı?

Teknoloji eleştirisinin bir başka güçlü geleneği Martin Heidegger'den gelir. Heidegger, 1954 tarihli "Tekniğe İlişkin Soruşturma"da modern tekniğin özünü Gestell (çerçeveleme) olarak tanımlar: dünyayı, doğayı ve insanı, kullanılmaya hazır bir "stok" olarak görme biçimi. Bu eleştiri, teknolojinin insanı nasıl bir kaynağa indirgediğini kavramak için etkileyicidir; bugün yapay zeka tartışmalarında sıkça anılıyor.

Ama Heidegger'in eleştirisi, sorunu insanlığın kaderine, varlığın tarihine yerleştirir; kimin, kimin aleyhine, hangi mülkiyet ilişkisi içinde "çerçevelediğini" sormaz. Bu yüzden teknoloji karşısında karamsar bir tevekküle, "yalnızca bir tanrı bizi kurtarabilir" sonucuna varır. Marx'ın eleştirisi ise tekniği toplumsal ilişkilerin içine yerleştirir: sorun makinenin kendisi değil, makinenin kapitalist kullanımıdır. İnsanı "stok" olarak gören teknik değil, emek gücünü meta olarak satın alan sermayedir. Bu fark, umutsuzluk ile örgütlenme arasındaki farktır.

Organik aydın olarak bilişim emekçisi

Antonio Gramsci, Hapishane Defterleri'nde, "bütün insanlar aydındır, ama toplumda herkes aydın işlevi görmez" der ve her sınıfın kendi "organik aydınlarını" yarattığını anlatır: o sınıfın deneyimini kavramlaştıran, örgütleyen, ona yön veren insanlar. Gramsci'ye göre modern sanayi, teknisyeni, mühendisi yeni bir aydın tipi olarak üretmişti; ve bu aydınlar ya sermayenin hegemonyasının taşıyıcısı ya da işçi sınıfının organik aydınları olabilirdi.

Bilişim emekçisi bugün bu yol ayrımında duruyor. Bir yanda "ajan orkestratörü" olarak sermayenin yeni teknik aklının taşıyıcısı olmak var. Öte yanda, sistemin nasıl çalıştığını en iyi bilen insanlar olarak, bu bilgiyi kendi sınıfının, bütün emekçilerin hizmetine sunmak var: algoritmaların nasıl işlediğini anlatmak, gözetim sistemlerini teşhir etmek, örgütlenmenin teknik altyapısını kurmak, bilgi müştereklerini savunmak. Bilişim Kılavuzu'nda yazdığımız gibi: sistemi kuran el, onu durdurabilecek tek eldir. Gramsci'nin diliyle eklersek: sistemi anlayan akıl, onu dönüştürmeyi tasarlayabilecek akıldır.

Pratik ölçütü

Son olarak, bütün bu tartışmayı bir epistemoloji sorusuna bağlayalım. Marx'ın Feuerbach Üzerine Tezler'inin ikincisi şöyle der: "İnsan düşüncesinin nesnel bir hakikate ulaşıp ulaşmadığı sorusu bir kuram sorusu değil, pratik bir sorudur. İnsan, hakikati, yani düşüncesinin gerçekliğini ve gücünü pratikte kanıtlamak zorundadır."

Yazılım, bu tezin belki de en saf örneğidir: bir program ya çalışır ya çalışmaz; bir sistem ya yük altında ayakta kalır ya kalmaz. Makalenin "ilk ilkelerden zorunluluk" iddiası, kuramsal bir çıkarsama olarak sunuluyor; ama pratik ölçütü — sürekli evrimde %38, artan teslim kararsızlığı, "ortamı sil ve yeniden kur" kesintisi, boğulan bakımcılar — başka bir şey söylüyor. Bir kuramın doğruluğu, onu yatırım tezine çevirenlerin coşkusuyla değil, pratiğin sınavıyla ölçülür.

Ve pratik ölçütü bize bir şey daha söylüyor: hakikati sınayan pratik, kolektif bir pratiktir. Yazılımın doğru olup olmadığını, üretimde onu işleten, hatasını gece yarısı kovalayan, kullanıcının şikayetini dinleyen, bakımını yapan insanlar bilir. Bu bilgi, onların örgütlü sesine dönüştüğünde, verimlilik söyleminin karşısına konabilecek en güçlü kanıttır.

Sonuca dayalı gelir: Kiranın yeni biçimi

Makalenin tablosundaki "gelir modeli" sütunu, bu felsefi tartışmanın ekonomi politiğidir. Lisansta yazılımı satın alırdınız; abonelikte kiralarsınız; "sonuca dayalı" modelde ise işin kendisini kiralarsınız. Kuruluş artık yazılım ekibi değil, ajan hizmeti satın alır. Ekibin kuramı, kuruluşun içinde değil, hizmet sağlayıcının modelindedir. Bu, kuruluşlar için yeni bir bağımlılık, işçiler için yeni bir mülksüzleşme, birkaç tekel için ise genel zeka üzerinden alınan yeni bir rant demektir.

Kademe, Ajan, Dünya yazımızda son model lansmanlarındaki örüntüyü, ajan katmanının giderek bütün iş süreçlerinin önüne konduğunu tartışmıştık. Makale bu örüntünün ideolojik formülasyonunu sunuyor: karmaşıklığı "en iyi soğurabilecek taraf" soğurur. Doğru; ve karmaşıklığı soğuran taraf, karmaşıklığın üzerinden rant toplayan taraf olur.

Burada tekno-feodalizm kavramına dair tutumumuzu bir kez daha yineleyelim: bu bir "bulut derebeyliği" değil. Ajan hizmeti satan şirketler artı-değer üreten küresel emek zincirlerinin tepesindeki tekelci kapitalist şirketlerdir; rant, karın tekelci biçimidir. Yazılımcı serf değil, emek gücünü satan işçidir.

---

Dokuzuncu Bölüm: Sınıf Haritası

Makalenin dili, sınıfın gerçekliği

Makalenin dili	Sınıf gerçekliği
"Yazılım mühendisliğinin sonu"	Yazılımcının "işçi değil yetenek" sanıldığı dönemin sonu
"Ajan paradigması kaçınılmazdır"	Rekabet yasası; kaçınılmaz olan teknoloji değil, kar baskısı
"Kod geçicidir, kalıcı olan ajanın yeteneğidir"	Kalıcı olan, kolektif kuramın tekele ait kopyasıdır
"İnsan kapasitesi sabittir"	Kolektif emeğin bireysel kafaya indirgenmesi
"Niyet mimarı, ajan koordinatörü, sonuç denetçisi"	Daha az insanda toplanan kavrayış, daha çok insana yüklenen kefalet
"Sonuca dayalı gelir modeli"	Genel zeka üzerinden alınan tekelci rant
"Daha küçük ajan orkestratörü ekipleri"	İşe almamak, kadroyu eritmek, "gönüllü ayrılma"
"Yeniden beceri kazanma stratejisi"	Toplumsal sorunun bireysel sorumluluğa çevrilmesi
"İnsan döngüde, ajan direksiyonda"	Hatanın faturası insana, kazancın sahibi ajanın sahibine
"Teknik borç farkındalığı eksikliği"	Bakım emeğinin, geleceğin işçisine devredilen borç olması
"Açık kaynak topluluğuna teşekkürler"	Dokuz trilyonluk karşılıksız emeğin eğitim verisi olarak temellükü
"Model kodu kopyalamaz, yeni eser yaratır"	Atıf zincirinin ve copyleft'in makinenin içinden geçerken silinmesi
"Açık kaynak yapay zeka"	Verisi kapalı, yalnızca ağırlığı açık; "açık" kelimesinin gaspı
"Bakımcı yorgunluğu"	Kazıma, sel ve kuruma ile çitlenen müştereğin bedeli

Açık kaynakta kim nerede?

Açık kaynak ekosisteminin de bir sınıf haritası var ve ajan çağı bu haritayı keskinleştiriyor:

• Gönüllü bakımcılar — kritik altyapıyı karşılıksız ayakta tutan, değerin büyük kısmını üreten küçük azınlık. Ajan seliyle en çok yük binen, xz gibi saldırılarla en savunmasız kalan katman.
• Şirket çalışanı katkıcılar — açık kaynağa maaşlı katkı veren mühendisler. Emekleri hem şirketlerine hem müştereğe akıyor; ama şirketin önceliği değişince ilk kesilen bütçe çoğu zaman onlarınki.
• Açık çekirdek ve belgelendirme modeliyle yaşayan küçük şirketler — Tailwind örneğinde gördüğümüz gibi, ajan aracıların trafiği emmesiyle iş modeli çöken katman.
• Yeni katkıcılar — müştereği bir çıraklık okulu olarak kullanan gençler. Ajan seli yüzünden güven duvarlarının yükseldiği ve kapının daraldığı katman.
• Tekeller — müştereği hem eğitim verisi hem de bedava altyapı olarak kullanan, karşılığında sponsorluk ve hayırseverlik dağıtan, ama mülkiyeti ve modeli kendinde tutan katman.

Bu haritada bir ayrım daha var: aynı insan, gündüz bir şirkette ajan çıktısı inceleyen ücretli, akşam bir açık kaynak projesinde karşılıksız bakımcı olabilir. Bilişim emekçisinin ücretli emeği ile müştereğe verdiği emek, aynı sermaye tarafından iki farklı biçimde temellük ediliyor.

Bilişim emekçisinin katmanları

Bu dönüşüm bilişim emekçilerini homojen biçimde etkilemiyor:

• Kıdemli ve mimar katmanı bugün kaldıraç kazanıyor gibi görünüyor; ama bu kaldıraç, onları yetiştiren merdivenin çekilmesiyle birlikte geliyor ve kendi yerlerinin de giderek daha az insanla doldurulacağını gösteriyor. Bu katman için cazip olan, kendini "ajan orkestratörü" olarak yeni bir iş aristokrasisi gibi görmek. Bu, tarihte birçok kez denenmiş ve çoğu kez kaybedilmiş bir bahistir.
• Orta katman, inceleme yüküyle eziliyor: daha fazla PR, daha fazla "neredeyse doğru" kod, aynı sürede daha fazla sorumluluk. Görünmeyen emeğin en çok biriktiği yer burası.
• Junior ve yeni mezun katmanı, kapının önünde bekliyor. İlan yok, staj ücretsiz, bootcamp borçla, ilk işin tanımı "deneyimli ajan kullanıcısı."
• Görünmez katman — veri etiketleyiciler, içerik denetçileri, test operatörleri — zaten uzun süredir bu ekonominin dibinde; ajan paradigması onların emeğine daha da bağımlı.

Bu katmanları ortaklaştıran şey ideoloji değil, paylaşılan güvencesizliktir. Ve paylaşılan güvencesizlik, örgütlenebilir bir gerçekliktir.

Türkiye'den bakınca

Türkiye'de bu tablonun üç özgül yanı var.

Birincisi, veri yok. Türkiye'de junior istihdamının seyri, bilişimde toplu işten çıkarmalar, yapay zeka gerekçeli kadro daralmaları için kamuya açık bir sayaç bulunmuyor. Bilişim Kılavuzu'nda dar tanımla 289 bin kişilik bir bilişim istihdamından söz etmiştik; her yıl binlerce bilgisayar mühendisi ve bootcamp çıkışlı yeni yazılımcı bu piyasaya giriyor. Bu insanların kaçının iş bulduğunu, kaçının ücretsiz staj döngüsünde kaldığını kimse ölçmüyor.

İkincisi, makine dolarla, emek lirayla. Ajan hizmetleri dolar bazlı fiyatlanıyor; yerel yazılım şirketleri için ajan kullanmak, bir yandan kur riskine, öte yandan küresel birkaç tekele bağımlılığa girmek demek. Bu bağımlılığın bedeli de sonunda ücret baskısı olarak işçiye dönüyor.

Üçüncüsü, örgütsüzlük. Bilişim emekçilerinin büyük çoğunluğu henüz sendikalı değil; işkolu engeli, unvan enflasyonu, bireysel sözleşme kültürü ve "ben işçi değilim" yanılsaması hala güçlü. Ama 2026, bu tablonun değişmeye başladığı bir yıl oldu. Örgütlenme 2.0 yazısında bilişim emekçilerinin haklı isyanına fikir önerileri sunmuştuk; TMMOB'un Yapay Zeka Raporu üzerine yazımızda meslek odalarının bu dönüşümdeki teknik bilirkişilik rolünü tartışmıştık.

---

Yanlış Yanıtlar

Bu tartışmada dolaşan, kulağa makul gelen, ama bizi yanlış yere götüren yanıtlar var. Ortak yanları şudur: hepsi ya makineyi küçümser ya da makinenin sahibini görünmez kılar. Doğru yanıt, makineyi ciddiye alıp sahibini adıyla çağırmaktır.

"Hepsi abartı, hiçbir şey değişmiyor."

Değişiyor. Ajanlar gerçek bir üretici güçtür; tanımı belli, kapsamı dar işlerde kodun ilk üretimini gerçekten üstleniyorlar. Bunu yok saymak, elimizdeki olguyu yok saymaktır. Teslim hızı artıyor, tekrar eden kod çoğalıyor, inceleme günü "neredeyse doğru" çıktıyla doluyor, işe alım işten çıkarmadan önce duruyor. Tek görevdeki %80 ile sürekli evrimdeki %38 arasındaki fark, makinenin yok olduğunu göstermez; sınırının nerede olduğunu gösterir. Sınırı bilmek başka şeydir, makine yokmuş gibi davranmak başka.

Torvalds'ın dediği gibi abartı zamanla sönebilir ve araç sıradanlaşabilir. Sıradanlaşan şeyin zararsız olduğu sonucu çıkmaz. Derleyici de bir zamanlar "yalnızca başka bir araç" oldu; emek sürecini yine de değiştirdi. Ajan sıradanlaştığında geriye kalacak olan, daha küçük ekipler, çekilen merdiven ve kazancın makinenin sahibinde toplanmasıdır. Makineyi küçümsemek, makinenin sahibine karşı mücadeleyi zayıflatır: olmayan bir şeye karşı örgütlenilmez.

"Kendini geliştir, ajan kullanmayı öğren, sen kurtulursun."

Bu, sektörün resmi tesellisidir. Makalenin kendi diliyle "yeniden beceri kazanma stratejisi" denir. Çevirisi basittir: toplumsal bir dönüşüm, bireyin ev ödevine çevrilir. Ajan kullanmayı öğrenmek, bugün işini korumak isteyen bir yazılımcı için pratik bir zorunluluk olabilir. Zorunluluk ile çözüm aynı şey değildir. Herkes "ajan orkestratörü" olduğunda orkestratörlük de sıradanlaşır ve ücreti düşer. Kent Beck'in parantezi burada işler: düşen, becerinin kendisi değil, becerinin fiyatıdır. Fiyatı belirleyen, kursu bitirip bitirmediğiniz değil, yerinize koyulabilecek kaç kişinin olduğudur.

Bu yanıtın bir de merdiven hali var. Juniordan "deneyimli ajan kullanıcısı" olması istenirken, onu kıdemli yapacak küçük işler ajana verilir. Kıdemliye "sen denetlersin, sen kurtulursun" denirken, onu yetiştirecek kuşak içeri alınmaz. Bir süre için kurtulan bir azınlık vardır. O azınlık da kendi yerinin giderek daha az insanla doldurulacağı bir iş aristokrasisine bahse girer. Bu bahis tarihte çok kez oynandı. Kaybeden, kendini yetenek sanıp örgütlenmeyen katman oldu.

"Makineleri reddedelim."

Makineyi kırmak, makinenin sahibini yerinde bırakır. Luddistler 1811'de tezgahın kendisine değil, o tezgahı ücretleri düşürmenin ve usta ile çırağın yerini ucuz emekle doldurmanın aracı haline getiren sahibine karşı çıkmışlardı. Tezgahı parçalamak, o anda ellerindeki tek dile gelen eylemdi; hedef mülkiyet ilişkisiydi. Marx'ın makine üzerine söylediği de budur: mücadele makinenin kendisine karşı değil, onun kapitalist kullanımına karşıdır.

Bireysel ret, insanı ahlaken rahatlatır; piyasada ise daha kolay vazgeçilir kılar. Ajanı kullanmayan yazılımcı, ajanı kullanan şirketin temposuna yetişemez. Ajanı kullanan şirket de o tempo sayesinde kadroyu eritir. Asıl soru aracı kullanıp kullanmamak değil, aracın kazandırdığı zamanın kime kaldığıdır. Aynı iş yarı sürede bitiyorsa, bunun sonucu yarım gün çalışmak da olabilir, yarı kadro da. Birincisi ancak işyerinde örgütlü bir talep olarak konabilir. Makineyi reddetmek bu talebin yerine geçmez.

"Sorumlu yapay zeka ilkeleri sorunu çözer."

İlkeler listesi, ürünün nasıl konuşacağını düzenler. Kimin işe alınmayacağını, kimin çıkacağını ve çeyrek sonunda kimin kar yazacağını düzenlemez. "İnsan döngüde kalsın", "şeffaflık", "adalet", "zarar verme": bunların hiçbiri, rekor kar çeyreğinde kadronun dörtte birine ayrılma paketi önerilmesini engelleyen bir madde değildir. Döngüdeki insan, çoğu kez korunan insan değil, hataya kefil olan insandır. Sorumluluk onda kalır, mülkiyet makinenin sahibinde.

Bu ilkelerin bir de yazar sorunu vardır. Listeyi çoğu zaman aracı satan şirketin kendisi yazar. Şirket kendi ürününe "sorumlu" der, eğitim verisini açıklamaz, ağırlığı "açık kaynak" diye pazarlar, mahkemede modelin kodu kopyalamadığını, "yeni eser yarattığını" söyler. Etik belge, temellükün üstüne konan iyi niyet cümlesidir. İşe almamayı, inceleme yükünü ve kazancın yönünü değiştirecek olan bir ilkeler sayfası değil, sözleşmeye yazılmış bir haktır: bildirim, kota, sorumluluğun işverende olması, kazanılan zamanın çalışma süresine dönmesi.

"Devlet düzenlesin."

Düzenleme gereklidir. İş Kanunu'nun toplu işten çıkarma maddesinin bilişimde işletilmesi, bir ajan aracı devreye alınmadan önce bildirim, kamu kurumlarının kullandığı özgür yazılımın bakımına bütçe yazılması: bunlar yasa ve idare işidir, kendiliğinden olmaz. Devleti tarafsız bir hakem sanmak ise bu sektörde pahalı bir hatadır. Hukuk, temellükün yazılı biçimlerinden biridir. İngiliz köylüleri ortak toprakları bir gecelik bir çitle değil, yıllar süren çitleme yasalarıyla kaybetti. ABD'de bir mahkeme, modelin içinden geçen kodun atıf zincirini düşürebildi. Düzenleme, masada kimin oturduğuna göre ya çit olur ya da sınır.

Emeğin örgütlü gücü olmadan yazılan metni, tekellerin lobicileri yazar. Türkiye'de tablo daha da çıplaktır: junior istihdamını sayan kamusal bir sayaç yok, ajan dolarla fiyatlanıp bedeli lira cinsinden ücrete biniyor, bilişim emekçilerinin büyük çoğunluğu sendikasız. Bu koşullarda "devlet bir gün düzenler" demek, ölçülmeyen bir kaybı ölçülünceye kadar beklemek demektir. Düzenlemeyi yazdıracak olan, masaya oturmuş sendika, meslek odası ve işyeri komitesidir. Yasa, örgütün arkasından gelir; örgütün yerine geçmez.

"Açık kaynak bizi kurtarır."

Bu yanıt bize en yakın olanıdır; bu yüzden en dikkatli ayırt edilmesi gereken de odur. Açık kaynak, insanların kar güdüsü olmadan dünyanın en karmaşık sistemlerini birlikte kurabildiğini kanıtladı. Linux, Vikipedi, sayısız kütüphane bu kanıtın kendisidir ve terk edilmez. Ama kanıt, kendiliğinden bir mülkiyet düzeni değildir. Müşterek çitlenmeye açıktır: yukarıdan kazınır, aşağıdan özensiz katkıyla boğulur, yandan kurutulur. Lisans, kodun kopyasında işler. Modelin içinde, mahkeme "yeni eser" dediği anda, atıf zinciri düşebilir. Ağırlığı açık, verisi kapalı bir modele "açık kaynak" demek, kelimenin kendisini de gaspa katar.

Kurtuluş, müştereği korumakla başlar ve mülkiyet sorusuyla biter. Bakımcıya teşekkür yetmez; bakımcının emeğinin karşılığı, tekellerin hayırseverliğine bırakılamaz. Kamu, kullandığı özgür yazılımın bakımını bütçeye yazmalıdır. Şirket, çalışanına iş saatinin bir kısmını müştereğe ayırma hakkını sözleşmeyle vermelidir. Modelin verisi, eğitim süreci ve ağırlıkları topluluk denetiminde olmadıkça, "açık" kelimesi bir dağıtım biçimidir, bir özgürlük değil. Kendi cümlemiz duruyor: ortak ürün, ortak mülk olmadan ortak olmaz.

---

Somut Görevler

Sevgili genç yoldaşlar, bu tartışma bir masa başı tartışması değil. Bilişimde çalışan, okuyan ya da bu mesleğe girmeye hazırlanan herkes için somut karşılıkları var. Bilişim Kılavuzu'ndaki model sözleşme maddelerini de gözeterek, bir bilişim sendikası ve meslek örgütleri için şu talepleri öneriyoruz:

• Mesleğe giriş güvencesi. Teknik kadronun belirli bir oranının iki yıldan az deneyimli çalışanlara ayrılması ve bu kadroya en az bir yıl mentorluk sağlanması. Ajanla açılan boşluğun bu kotayı yememesi.
• Öğrenme zamanının iş zamanı sayılması. Juniorların ajansız çalışarak, hata ayıklayarak, kod okuyarak öğrenme süresinin ölçülebilir ve korunmuş bir iş saati olması; "hızlı teslim" ölçütünün öğrenmeyi cezalandırmaması.
• İnceleme emeğinin tanınması. Kod incelemesinin, ajan çıktısını denetlemenin performans ölçütlerinde görünür olması; bir kişiye düşen inceleme yükünün sınırlanması.
• Sorumluluk işverenindir. Ajanın ürettiği çıktıdan doğan hatanın sorumluluğunun, onu onaylayan çalışana değil, ajanı kullanmaya karar veren işverene ait olması. "Kefil insan" düzeneğinin sözleşmeyle reddedilmesi.
• Otomasyon bildirimi. Bir ajan aracının devreye alınmasından önce çalışanlara ve sendikaya bildirim, etkilenecek kadronun açıklanması ve yeniden yerleştirme planı. İş Kanunu'nun toplu işten çıkarmaya ilişkin 29. maddesinin bilişimde uygulanmasının izlenmesi.
• Verimlilik kazancı çalışma süresine. Kod üretimindeki hızlanmanın, ücret kaybı olmadan çalışma haftasının kısalmasına dönüşmesi. Makinenin kazandırdığı zaman, makinenin sahibine değil, işi yapana ait olmalı.
• "İşe alım durdu" sayacı. Türkiye'de junior ilanlarının, staj kadrolarının ve yapay zeka gerekçeli kadro değişimlerinin bir sendika ya da meslek odası tarafından düzenli olarak ölçülüp yayımlanması.
• Bilgi müştereklerinin savunusu. Açık kaynak katkılarının ve kamu kaynağıyla üretilen kodun, rızası ve karşılığı olmadan kapalı modellerin eğitiminde kullanılmasına karşı tutum; verisi, eğitim süreci ve ağırlıkları açık, kamusal ve topluluk denetiminde modellerin desteklenmesi.
• Müştereği besleyenlere pay. Açık kaynağı eğitim verisi ve altyapı olarak kullanan şirketlerin, hayırseverlik ve keyfi sponsorluk yerine, bakımcılara ve topluluk vakıflarına düzenli ve bağımsız bir fona katkı yapmasının talep edilmesi; kamu kurumlarının kullandıkları özgür yazılımların bakımına bütçe ayırması. Almanya'nın Egemen Teknoloji Fonu gibi kamusal finansman modellerinin Türkiye'de tartışılması.
• Şirket içinde açık kaynak zamanı. Toplu sözleşmelere, çalışanların iş saatinin bir kısmını kullandıkları açık kaynak projelere katkı ve bakım için ayırma hakkının yazılması; mesai dışı açık kaynak katkısını yasaklayan ya da sahiplenen aşırı geniş fikri mülkiyet maddelerinin daraltılması.
• Topluluk kuralları. Açık kaynak projelerinde yapay zeka katkılarına ilişkin açık politikalar: kökeni ve lisansı izlenebilir katkı, ajan katkılarının beyanı, yeni insan katkıcılar için korunmuş "ilk katkı" kanalları ve mentorluk.
• Türkçe müşterekleri büyütmek. Türkçe belgelendirme, Türkçe teknik soru-yanıt arşivleri, Türkçe açık veri kümeleri ve yerel özgür yazılım topluluklarına katkı. Modelin okuyacağı metni üretmeyi bırakırsak, tekelin tekelini pekiştiririz; ama ürettiğimizi topluluk denetimindeki lisanslar ve kurumlar altında üretmeliyiz.
• Ölçütleri genişletmek. İşyerinde verimlilik tartışması açıldığında hata oranı, bakım yükü, yetişen junior sayısı ve uzun vadeli güvenilirlik ölçütlerini masaya koymak.
• Okumak ve tartışmak. Naur'un "Kuram Kurmak Olarak Programlama"sını, Brooks'un "Gümüş Kurşun Yok"unu, Bainbridge'in "Otomasyonun İronileri"ni, Braverman'ın Emek ve Tekelci Sermaye'sini, Ostrom'un Governing the Commons'ını ve Marx'ın 1844 Elyazmaları'ndaki yabancılaşma bölümünü birlikte okumak. Bu metinler, yazılım dünyasının kendi kuramını kendi elinde tutmasının araçlarıdır.

Ve bir çağrı: 13 Aralık 2026'da İstanbul'da yapılacak ÖYD'nin Odak 2026 konferansının teması "Özgür Yapay Zeka – Halkın Verisi Halkın Modeli." Bu yazıda tartıştığımız sorular — kuram kimin, model kimin, kazanç kimin — orada da masada olacak.

---

Sevgili Genç Yoldaşlar,

Yazılım mühendisliği bitmiyor. Bir makalenin altı günde başlığını değiştirmesi bunun küçük bir kanıtı; sürekli evrimde %38'e düşen ajan başarısı daha büyük bir kanıtı; Dijkstra'dan Torvalds'a uzanan ustaların ortak sözü ise en büyüğü. Yazılım, Naur'un dediği gibi, insanların kafasındaki bir kuramdır ve o kuram yaşadığı sürece yazılım da yaşar.

Biten başka bir şey: yazılımcının kendini işçi sınıfının dışında, "yetenek" olarak gördüğü, piyasanın kendisini sonsuza dek kollayacağını sandığı dönem. Ajanlar bu yanılsamayı dağıtıyor. Kent Beck'in parantezi — becerinin değil, becerinin fiyatının düşmesi — bize sınıfın en eski dersini yeniden öğretiyor: emeğin değeri ile emeğin fiyatı arasındaki farkı belirleyen, teknoloji değil, güç ilişkisidir.

Açık kaynak hareketi bize bir şey kanıtladı: insanlar, kar güdüsü olmadan, dünyanın dört bir yanından, birbirini hiç görmeden, dünyanın en karmaşık yazılımlarını birlikte üretebilir. Linux, Vikipedi, sayısız kütüphane ve araç — bunlar başka türlü bir üretimin mümkün olduğunun canlı kanıtlarıdır. Sermaye şimdi bu kanıtı kendine mal ediyor, kendi makinesinin yakıtı yapıyor. Bizim görevimiz, müştereğin yalnızca kodunu değil, modelini, altyapısını ve ürettiği değeri de ortak kılmak; açık kaynağın vaadini, mülkiyet sorusuna kadar götürmek.

Makine yeni, zincir eski. Ajan, zincirin yeni halkası. Ama zincirin her halkası, emeğin elinden geçerek dövüldü; o halkaları çözecek bilgi de yine emeğin pratiğinde birikiyor. Modeller bizim kodumuzla, bizim yanıtlarımızla, bizim hatalarımızla eğitildi. Bilgi bizimdir; kuram bizimdir; gelecek de, örgütlenebildiğimiz ölçüde bizim olacak.

Kodun Yüzde Kırkı, Kadronun Dörtte Biri yazısını bitirdiğimiz cümleyle bitirelim:

Kod yazmayı makineye öğretebilirler. Örgütlenmeyi öğretemezler.

---